Buchumschlag

Advances in Privacy Preserving Federated Learning to Realize a Truly Learning Healthcare System

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Madduri, Ravi, Li, Zilinghan, Nandi, Tarak, Kim, Kibaek, Ryu, Minseok, Rodriguez, Alex
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Advances in APPFL: A Comprehensive and Extensible Federated Learning Framework
von: Li, Zilinghan, et al.
Veröffentlicht: (2024)

Experiences Building Enterprise-Level Privacy-Preserving Federated Learning to Power AI for Science
von: Li, Zilinghan, et al.
Veröffentlicht: (2025)

FedCostAware: Enabling Cost-Aware Federated Learning on the Cloud
von: Sinha, Aditya, et al.
Veröffentlicht: (2025)

Quantum-Inspired Privacy-Preserving Federated Learning Framework for Secure Dementia Classification
von: Tanbhir, Gazi, et al.
Veröffentlicht: (2025)

Differential Privacy for Secure Machine Learning in Healthcare IoT-Cloud Systems
von: Mangala, N, et al.
Veröffentlicht: (2025)

Lancelot: Towards Efficient and Privacy-Preserving Byzantine-Robust Federated Learning within Fully Homomorphic Encryption
von: Jiang, Siyang, et al.
Veröffentlicht: (2024)

FedQueue: Queue-Aware Federated Learning for Cross-Facility HPC Training
von: Li, Yijiang, et al.
Veröffentlicht: (2026)

DP2Guard: A Lightweight and Byzantine-Robust Privacy-Preserving Federated Learning Scheme for Industrial IoT
von: Han, Baofu, et al.
Veröffentlicht: (2025)

Secure and Privacy-Preserving Vertical Federated Learning
von: Jin, Shan, et al.
Veröffentlicht: (2026)

No Vandalism: Privacy-Preserving and Byzantine-Robust Federated Learning
von: Xing, Zhibo, et al.
Veröffentlicht: (2024)

Lightweight Federated Learning with Differential Privacy and Straggler Resilience
von: Hong, Shu, et al.
Veröffentlicht: (2024)

HHEML: Hybrid Homomorphic Encryption for Privacy-Preserving Machine Learning on Edge
von: Chan, Yu Hin, et al.
Veröffentlicht: (2025)

Privacy-Preserving Data Processing in Cloud : From Homomorphic Encryption to Federated Analytics
von: Sarraf, Gaurav, et al.
Veröffentlicht: (2026)

Practical Framework for Privacy-Preserving and Byzantine-robust Federated Learning
von: Zhang, Baolei, et al.
Veröffentlicht: (2025)

Privacy Preserving Machine Learning Model Personalization through Federated Personalized Learning
von: Hosain, Md. Tanzib, et al.
Veröffentlicht: (2025)

Brave: Byzantine-Resilient and Privacy-Preserving Peer-to-Peer Federated Learning
von: Xu, Zhangchen, et al.
Veröffentlicht: (2024)

Detect \& Score: Privacy-Preserving Misbehaviour Detection and Contribution Evaluation in Federated Learning
von: Xhemrishi, Marvin, et al.
Veröffentlicht: (2025)

A Lightweight Federated Learning Approach for Privacy-Preserving Botnet Detection in IoT
von: Mahmoud, Taha M., et al.
Veröffentlicht: (2025)

IntraShuffler: A Privacy Preserving Framework for Heterogeneous DP Federated Learning
von: Riya, Farhin Farhad, et al.
Veröffentlicht: (2026)

PPFPL: Cross-silo Privacy-preserving Federated Prototype Learning Against Data Poisoning Attacks
von: Zhang, Hongliang, et al.
Veröffentlicht: (2025)

Homomorphic Encryption in Healthcare Industry Applications for Protecting Data Privacy
von: Rauthan, J. S.
Veröffentlicht: (2025)

Towards Resilient Federated Learning in CyberEdge Networks: Recent Advances and Future Trends
von: Li, Kai, et al.
Veröffentlicht: (2025)

A Hitchhiker's Guide to Privacy-Preserving Digital Payment Systems: A Survey on Anonymity, Confidentiality, and Auditability
von: Nardelli, Matteo, et al.
Veröffentlicht: (2025)

Privacy-Preserving Feature Valuation in Vertical Federated Learning Using Shapley-CMI and PSI Permutation
von: Laskurain, Unai, et al.
Veröffentlicht: (2025)

Comments on "Federated Learning with Differential Privacy: Algorithms and Performance Analysis"
von: Talaei, Mahtab, et al.
Veröffentlicht: (2024)

Secure Federated Learning Across Heterogeneous Cloud and High-Performance Computing Resources -- A Case Study on Federated Fine-tuning of LLaMA 2
von: Li, Zilinghan, et al.
Veröffentlicht: (2024)

Head Count: Privacy-Preserving Face-Based Crowd Monitoring
von: Marzani, Fatemeh, et al.
Veröffentlicht: (2026)

DeZent: Decentralized z-Anonymity with Privacy-Preserving Coordination
von: Brunn, Carolin, et al.
Veröffentlicht: (2026)

JUMBO: Fully Asynchronous BFT Consensus Made Truly Scalable
von: Cheng, Hao, et al.
Veröffentlicht: (2024)

Communication-Efficient and Privacy-Preserving Decentralized Meta-Learning
von: Yang, Hansi, et al.
Veröffentlicht: (2024)

HFIPay: Privacy-Preserving, Cross-Chain Cryptocurrency Payments to Human-Friendly Identifiers
von: Wang, Jian Sheng
Veröffentlicht: (2026)

PCDM: A Diffusion-Based Data Poisoning Attack Against Federated Learning Systems
von: Sun, Wei, et al.
Veröffentlicht: (2026)

Trustworthy Federated Learning: Privacy, Security, and Beyond
von: Chen, Chunlu, et al.
Veröffentlicht: (2024)

On the Tradeoff between Privacy Preservation and Byzantine-Robustness in Decentralized Learning
von: Ye, Haoxiang, et al.
Veröffentlicht: (2023)

SmartphoneDemocracy: Privacy-Preserving E-Voting on Decentralized Infrastructure using Novel European Identity
von: Jóźwik, Michał, et al.
Veröffentlicht: (2025)

HERL: Tiered Federated Learning with Adaptive Homomorphic Encryption using Reinforcement Learning
von: Tang, Jiaxang, et al.
Veröffentlicht: (2024)

RollupTheCrowd: Leveraging ZkRollups for a Scalable and Privacy-Preserving Reputation-based Crowdsourcing Platform
von: Bendada, Ahmed Mounsf Rafik, et al.
Veröffentlicht: (2024)

An Adaptive Differential Privacy Method Based on Federated Learning
von: Wang, Zhiqiang, et al.
Veröffentlicht: (2024)

Improving LoRA in Privacy-preserving Federated Learning
von: Sun, Youbang, et al.
Veröffentlicht: (2024)

SCALHEALTH: Scalable Blockchain Integration for Secure IoT Healthcare Systems
von: Mohammadi, Mehrzad, et al.
Veröffentlicht: (2024)