Buchumschlag

FedDCL: a federated data collaboration learning as a hybrid-type privacy-preserving framework based on federated learning and data collaboration

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Imakura, Akira, Sakurai, Tetsuya
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Estimation of conditional average treatment effects on distributed confidential data
von: Kawamata, Yuji, et al.
Veröffentlicht: (2024)

Privacy-preserving gradient-based fair federated learning
von: Adamek, Janis, et al.
Veröffentlicht: (2024)

FedRBE -- a decentralized privacy-preserving federated batch effect correction tool for omics data based on limma
von: Burankova, Yuliya, et al.
Veröffentlicht: (2024)

A GAN-based data poisoning framework against anomaly detection in vertical federated learning
von: Chen, Xiaolin, et al.
Veröffentlicht: (2024)

Privacy-preserving recommender system using the data collaboration analysis for distributed datasets
von: Yanagi, Tomoya, et al.
Veröffentlicht: (2024)

Effective and secure federated online learning to rank
von: Wang, Shuyi
Veröffentlicht: (2024)

Privacy-preserving quantum federated learning via gradient hiding
von: Li, Changhao, et al.
Veröffentlicht: (2023)

zkDFL: An efficient and privacy-preserving decentralized federated learning with zero-knowledge proof
von: Ahmadi, Mojtaba, et al.
Veröffentlicht: (2023)

Quantum delegated and federated learning via quantum homomorphic encryption
von: Li, Weikang, et al.
Veröffentlicht: (2024)

Bayes' capacity as a measure for reconstruction attacks in federated learning
von: Biswas, Sayan, et al.
Veröffentlicht: (2024)

IPFed: Identity protected federated learning for user authentication
von: Kaga, Yosuke, et al.
Veröffentlicht: (2024)

An exponential mechanism based on quadratic approximations for fine-tuning machine learning models with privacy guarantees
von: Tran, Hoang, et al.
Veröffentlicht: (2026)

When Swarm Learning meets energy series data: A decentralized collaborative learning design based on blockchain
von: Xu, Lei, et al.
Veröffentlicht: (2024)

A review of federated learning in renewable energy applications: Potential, challenges, and future directions
von: Grataloup, Albin, et al.
Veröffentlicht: (2023)

A transformer-BiGRU-based framework with data augmentation and confident learning for network intrusion detection
von: Zhang, Jiale, et al.
Veröffentlicht: (2025)

Incentivising the federation: gradient-based metrics for data selection and valuation in private decentralised training
von: Usynin, Dmitrii, et al.
Veröffentlicht: (2023)

A chaotic maps-based privacy-preserving distributed deep learning for incomplete and Non-IID datasets
von: Arévalo, Irina, et al.
Veröffentlicht: (2024)

Can large language models be privacy preserving and fair medical coders?
von: Dadsetan, Ali, et al.
Veröffentlicht: (2024)

How to Securely Shuffle? A survey about Secure Shufflers for privacy-preserving computations
von: Damie, Marc, et al.
Veröffentlicht: (2025)

Accurate, private, secure, federated U-statistics with higher degree
von: Sinh, Quentin, et al.
Veröffentlicht: (2026)

An interdisciplinary exploration of trade-offs between energy, privacy and accuracy aspects of data
von: de Reus, Pepijn, et al.
Veröffentlicht: (2024)

Shadow defense against gradient inversion attack in federated learning
von: Jiang, Le, et al.
Veröffentlicht: (2025)

Comparing privacy notions for protection against reconstruction attacks in machine learning
von: Biswas, Sayan, et al.
Veröffentlicht: (2025)

Privacy-preserving machine learning for healthcare: open challenges and future perspectives
von: Guerra-Manzanares, Alejandro, et al.
Veröffentlicht: (2023)

Tangent differential privacy
von: Ying, Lexing
Veröffentlicht: (2024)

Disposable-key-based image encryption for collaborative learning of Vision Transformer
von: Aso, Rei, et al.
Veröffentlicht: (2024)

Controlled privacy leakage propagation throughout overlapping grouped learning
von: Kiani, Shahrzad, et al.
Veröffentlicht: (2025)

Robust softmax aggregation on blockchain based federated learning with convergence guarantee
von: Wu, Huiyu, et al.
Veröffentlicht: (2023)

Machine learning-based network intrusion detection for big and imbalanced data using oversampling, stacking feature embedding and feature extraction
von: Talukder, Md. Alamin, et al.
Veröffentlicht: (2024)

Differential privacy for symmetric log-concave mechanisms
von: Vinterbo, Staal A.
Veröffentlicht: (2022)

Can sparsity improve the privacy of neural networks?
von: Gonon, Antoine, et al.
Veröffentlicht: (2023)

Federated unsupervised random forest for privacy-preserving patient stratification
von: Pfeifer, Bastian, et al.
Veröffentlicht: (2024)

An advanced data fabric architecture leveraging homomorphic encryption and federated learning
von: Rieyan, Sakib Anwar, et al.
Veröffentlicht: (2024)

Privacy-preserving data release leveraging optimal transport and particle gradient descent
von: Donhauser, Konstantin, et al.
Veröffentlicht: (2024)

Contrastive Learning-Based privacy metrics in Tabular Synthetic Datasets
von: Palacios, Milton Nicolás Plasencia, et al.
Veröffentlicht: (2025)

Distributed collaborative anomalous sound detection by embedding sharing
von: Dohi, Kota, et al.
Veröffentlicht: (2024)

Advancing privacy in learning analytics using differential privacy
von: Liu, Qinyi, et al.
Veröffentlicht: (2025)

A new type of federated clustering: A non-model-sharing approach
von: Kawamata, Yuji, et al.
Veröffentlicht: (2025)

Ensuring superior learning outcomes and data security for authorized learner
von: Bang, Jeongho, et al.
Veröffentlicht: (2025)

CST-AFNet: A dual attention-based deep learning framework for intrusion detection in IoT networks
von: Ishtiaq, Waqas, et al.
Veröffentlicht: (2025)