Buchumschlag

FedSSP: Federated Graph Learning with Spectral Knowledge and Personalized Preference

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tan, Zihan, Wan, Guancheng, Huang, Wenke, Ye, Mang
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

FedThief: Harming Others to Benefit Oneself in Self-Centered Federated Learning
von: Zhang, Xiangyu, et al.
Veröffentlicht: (2025)

S2FGL: Spatial Spectral Federated Graph Learning
von: Tan, Zihan, et al.
Veröffentlicht: (2025)

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

FedGIG: Graph Inversion from Gradient in Federated Learning
von: Xiao, Tianzhe, et al.
Veröffentlicht: (2024)

Federated Graph Semantic and Structural Learning
von: Huang, Wenke, et al.
Veröffentlicht: (2024)

Vertical Federated Learning for Effectiveness, Security, Applicability: A Survey
von: Ye, Mang, et al.
Veröffentlicht: (2024)

FedPID: An Aggregation Method for Federated Learning
von: Mächler, Leon, et al.
Veröffentlicht: (2024)

FedCAP: Robust Federated Learning via Customized Aggregation and Personalization
von: Li, Youpeng, et al.
Veröffentlicht: (2024)

FedQV: Leveraging Quadratic Voting in Federated Learning
von: Chu, Tianyue, et al.
Veröffentlicht: (2024)

FedP3: Federated Personalized and Privacy-friendly Network Pruning under Model Heterogeneity
von: Yi, Kai, et al.
Veröffentlicht: (2024)

FedRecAttack: Model Poisoning Attack to Federated Recommendation
von: Rong, Dazhong, et al.
Veröffentlicht: (2022)

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

Federated Graph Learning for EV Charging Demand Forecasting with Personalization Against Cyberattacks
von: Li, Yi, et al.
Veröffentlicht: (2024)

FedGA: Federated Learning with Gradient Alignment for Error Asymmetry Mitigation
von: Xiao, Chenguang, et al.
Veröffentlicht: (2024)

FedBAP: Backdoor Defense via Benign Adversarial Perturbation in Federated Learning
von: Yan, Xinhai, et al.
Veröffentlicht: (2025)

FedMABA: Towards Fair Federated Learning through Multi-Armed Bandits Allocation
von: Wang, Zhichao, et al.
Veröffentlicht: (2024)

FedSurrogate: Backdoor Defense in Federated Learning via Layer Criticality and Surrogate Replacement
von: Abacha, Fatima Z., et al.
Veröffentlicht: (2026)

Personalized Federated Learning with Adaptive Feature Aggregation and Knowledge Transfer
von: Yin, Keting, et al.
Veröffentlicht: (2024)

FedRDF: A Robust and Dynamic Aggregation Function against Poisoning Attacks in Federated Learning
von: Campos, Enrique Mármol, et al.
Veröffentlicht: (2024)

FedMIA: An Effective Membership Inference Attack Exploiting "All for One" Principle in Federated Learning
von: Zhu, Gongxi, et al.
Veröffentlicht: (2024)

SPriFed-OMP: A Differentially Private Federated Learning Algorithm for Sparse Basis Recovery
von: Mulay, Ajinkya Kiran, et al.
Veröffentlicht: (2024)

FreqFed: A Frequency Analysis-Based Approach for Mitigating Poisoning Attacks in Federated Learning
von: Fereidooni, Hossein, et al.
Veröffentlicht: (2023)

FedML-HE: An Efficient Homomorphic-Encryption-Based Privacy-Preserving Federated Learning System
von: Jin, Weizhao, et al.
Veröffentlicht: (2023)

FedSpaLLM: Federated Pruning of Large Language Models
von: Bai, Guangji, et al.
Veröffentlicht: (2024)

Mitigating Membership Inference Vulnerability in Personalized Federated Learning
von: Jung, Kangsoo, et al.
Veröffentlicht: (2025)

FedIDM: Achieving Fast and Stable Convergence in Byzantine Federated Learning through Iterative Distribution Matching
von: Yang, He, et al.
Veröffentlicht: (2026)

FedTDP: A Privacy-Preserving and Unified Framework for Trajectory Data Preparation via Federated Learning
von: Zeng, Zhihao, et al.
Veröffentlicht: (2025)

Fine-Tuning Personalization in Federated Learning to Mitigate Adversarial Clients
von: Allouah, Youssef, et al.
Veröffentlicht: (2024)

FedSC: Provable Federated Self-supervised Learning with Spectral Contrastive Objective over Non-i.i.d. Data
von: Jing, Shusen, et al.
Veröffentlicht: (2024)

FedDetox: Robust Federated SLM Alignment via On-Device Data Sanitization
von: Zhu, Shunan, et al.
Veröffentlicht: (2026)

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

Personalized Federated Learning of Probabilistic Models: A PAC-Bayesian Approach
von: Boroujeni, Mahrokh Ghoddousi, et al.
Veröffentlicht: (2024)

FedAli: Personalized Federated Learning Alignment with Prototype Layers for Generalized Mobile Services
von: Ek, Sannara, et al.
Veröffentlicht: (2024)

FedPoP: Federated Learning Meets Proof of Participation
von: İşler, Devriş, et al.
Veröffentlicht: (2025)

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

TrojanDam: Detection-Free Backdoor Defense in Federated Learning through Proactive Model Robustification utilizing OOD Data
von: Dai, Yanbo, et al.
Veröffentlicht: (2025)

Lurking in the shadows: Unveiling Stealthy Backdoor Attacks against Personalized Federated Learning
von: Lyu, Xiaoting, et al.
Veröffentlicht: (2024)

Differential Privacy Personalized Federated Learning Based on Dynamically Sparsified Client Updates
von: Wang, Chuanyin, et al.
Veröffentlicht: (2025)

FedRLHF: A Convergence-Guaranteed Federated Framework for Privacy-Preserving and Personalized RLHF
von: Fan, Flint Xiaofeng, et al.
Veröffentlicht: (2024)

FedTracker: Furnishing Ownership Verification and Traceability for Federated Learning Model
von: Shao, Shuo, et al.
Veröffentlicht: (2022)