Buchumschlag

HYDRA-FL: Hybrid Knowledge Distillation for Robust and Accurate Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Khan, Momin Ahmad, Chandio, Yasra, Anwar, Fatima Muhammad
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

SABRE-FL: Selective and Accurate Backdoor Rejection for Federated Prompt Learning
von: Khan, Momin Ahmad, et al.
Veröffentlicht: (2025)

Decoding FL Defenses: Systemization, Pitfalls, and Remedies
von: Khan, Momin Ahmad, et al.
Veröffentlicht: (2025)

Personalized Federated Learning Techniques: Empirical Analysis
von: Khan, Azal Ahmad, et al.
Veröffentlicht: (2024)

FilterFL: Knowledge Filtering-based Data-Free Backdoor Defense for Federated Learning
von: Yang, Yanxin, et al.
Veröffentlicht: (2023)

ZK-HybridFL: Zero-Knowledge Proof-Enhanced Hybrid Ledger for Federated Learning
von: Taherpour, Amirhossein, et al.
Veröffentlicht: (2026)

FL-Defender: Combating Targeted Attacks in Federated Learning
von: Jebreel, Najeeb, et al.
Veröffentlicht: (2022)

FuSeFL: Fully Secure and Scalable Federated Learning
von: Ghinani, Sahar Ghoflsaz, et al.
Veröffentlicht: (2025)

AdeptHEQ-FL: Adaptive Homomorphic Encryption for Federated Learning of Hybrid Classical-Quantum Models with Dynamic Layer Sparing
von: Jahin, Md Abrar, et al.
Veröffentlicht: (2025)

zkFL: Zero-Knowledge Proof-based Gradient Aggregation for Federated Learning
von: Wang, Zhipeng, et al.
Veröffentlicht: (2023)

AdFL: In-Browser Federated Learning for Online Advertisement
von: Alemari, Ahmad, et al.
Veröffentlicht: (2026)

ULDP-FL: Federated Learning with Across Silo User-Level Differential Privacy
von: Kato, Fumiyuki, et al.
Veröffentlicht: (2023)

Meta-FL: A Novel Meta-Learning Framework for Optimizing Heterogeneous Model Aggregation in Federated Learning
von: Alsulaimawi, Zahir
Veröffentlicht: (2024)

LanFL: Differentially Private Federated Learning with Large Language Models using Synthetic Samples
von: Wu, Huiyu, et al.
Veröffentlicht: (2024)

AdRo-FL: Informed and Secure Client Selection for Federated Learning in the Presence of Adversarial Aggregator
von: Hossain, Md. Kamrul, et al.
Veröffentlicht: (2025)

Federated Discrete Denoising Diffusion Model for Molecular Generation with OpenFL
von: Ta, Kevin, et al.
Veröffentlicht: (2025)

SettleFL: Trustless and Scalable Reward Settlement Protocol for Federated Learning on Permissionless Blockchains (Extended version)
von: Liang, Shuang, et al.
Veröffentlicht: (2026)

FL-PLAS: Federated Learning with Partial Layer Aggregation for Backdoor Defense Against High-Ratio Malicious Clients
von: Zhang, Jianyi, et al.
Veröffentlicht: (2025)

A Privacy-Centric Approach: Scalable and Secure Federated Learning Enabled by Hybrid Homomorphic Encryption
von: Nguyen, Khoa, et al.
Veröffentlicht: (2025)

SpooFL: Spoofing Federated Learning
von: Baglin, Isaac, et al.
Veröffentlicht: (2026)

FedSiKD: Clients Similarity and Knowledge Distillation: Addressing Non-i.i.d. and Constraints in Federated Learning
von: Alsenani, Yousef, et al.
Veröffentlicht: (2024)

FGAD: Self-boosted Knowledge Distillation for An Effective Federated Graph Anomaly Detection Framework
von: Cai, Jinyu, et al.
Veröffentlicht: (2024)

zkFL-Health: Blockchain-Enabled Zero-Knowledge Federated Learning for Medical AI Privacy
von: Sharma, Savvy, et al.
Veröffentlicht: (2025)

XAI-SOH-FL: Enhancing SOH-FL with Adaptive Aggregation and Explainable AI for Intrusion Detection in Heterogeneous IoT
von: Aslam, Ambreen, et al.
Veröffentlicht: (2026)

EAB-FL: Exacerbating Algorithmic Bias through Model Poisoning Attacks in Federated Learning
von: Meerza, Syed Irfan Ali, et al.
Veröffentlicht: (2024)

UNIDEAL: Curriculum Knowledge Distillation Federated Learning
von: Yang, Yuwen, et al.
Veröffentlicht: (2023)

Federated Learning on Non-iid Data via Local and Global Distillation
von: Zheng, Xiaolin, et al.
Veröffentlicht: (2023)

ScionFL: Efficient and Robust Secure Quantized Aggregation
von: Ben-Itzhak, Yaniv, et al.
Veröffentlicht: (2022)

Follow My Eyes: Backdoor Attacks on VLM-based Scanpath Prediction
von: Romero, Diana, et al.
Veröffentlicht: (2026)

CorBin-FL: A Differentially Private Federated Learning Mechanism using Common Randomness
von: Salehi, Hojat Allah, et al.
Veröffentlicht: (2024)

DistilLock: Safeguarding LLMs from Unauthorized Knowledge Distillation on the Edge
von: Mohanty, Asmita, et al.
Veröffentlicht: (2025)

Mitigating Group Bias in Federated Learning for Heterogeneous Devices
von: Selialia, Khotso, et al.
Veröffentlicht: (2023)

VerifiableFL: Verifiable Claims for Federated Learning using Exclaves
von: Guo, Jinnan, et al.
Veröffentlicht: (2024)

FL-PBM: Pre-Training Backdoor Mitigation for Federated Learning
von: Wehbi, Osama, et al.
Veröffentlicht: (2026)

Hawk: Accurate and Fast Privacy-Preserving Machine Learning Using Secure Lookup Table Computation
von: Saleem, Hamza, et al.
Veröffentlicht: (2024)

SLVR: Securely Leveraging Client Validation for Robust Federated Learning
von: Choi, Jihye, et al.
Veröffentlicht: (2025)

FedRE: Robust and Effective Federated Learning with Privacy Preference
von: Xiao, Tianzhe, et al.
Veröffentlicht: (2025)

FedSSP: Federated Graph Learning with Spectral Knowledge and Personalized Preference
von: Tan, Zihan, et al.
Veröffentlicht: (2024)

DROP: Poison Dilution via Knowledge Distillation for Federated Learning
von: Syros, Georgios, et al.
Veröffentlicht: (2025)

SaFL: Sybil-aware Federated Learning with Application to Face Recognition
von: Ghafourian, Mahdi, et al.
Veröffentlicht: (2023)

On Evaluating the Poisoning Robustness of Federated Learning under Local Differential Privacy
von: Wang, Zijian, et al.
Veröffentlicht: (2025)