Buchumschlag

Towards Personalized Federated Learning via Comprehensive Knowledge Distillation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Pengju, Liu, Bochao, Guo, Weijia, Li, Yong, Ge, Shiming
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Cryptography and Security Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Personalized Federated Learning via Backbone Self-Distillation
von: Wang, Pengju, et al.
Veröffentlicht: (2024)

Learning Differentially Private Diffusion Models via Stochastic Adversarial Distillation
von: Liu, Bochao, et al.
Veröffentlicht: (2024)

Privacy-Preserving Student Learning with Differentially Private Data-Free Distillation
von: Liu, Bochao, et al.
Veröffentlicht: (2024)

Learning Privacy-Preserving Student Networks via Discriminative-Generative Distillation
von: Ge, Shiming, et al.
Veröffentlicht: (2024)

Federated Learning with Label-Masking Distillation
von: Lu, Jianghu, et al.
Veröffentlicht: (2024)

Private Gradient Estimation is Useful for Generative Modeling
von: Liu, Bochao, et al.
Veröffentlicht: (2023)

Privacy-Preserving Model Transcription with Differentially Private Synthetic Distillation
von: Liu, Bochao, et al.
Veröffentlicht: (2026)

Interpret the Predictions of Deep Networks via Re-Label Distillation
von: Hua, Yingying, et al.
Veröffentlicht: (2024)

Taught Well Learned Ill: Towards Distillation-conditional Backdoor Attack
von: Chen, Yukun, et al.
Veröffentlicht: (2025)

BackWeak: Backdooring Knowledge Distillation Simply with Weak Triggers and Fine-tuning
von: Wang, Shanmin, et al.
Veröffentlicht: (2025)

When Data-Free Knowledge Distillation Meets Non-Transferable Teacher: Escaping Out-of-Distribution Trap is All You Need
von: Hong, Ziming, et al.
Veröffentlicht: (2025)

An Efficient and Multi-private Key Secure Aggregation for Federated Learning
von: Yang, Xue, et al.
Veröffentlicht: (2023)

FedFG: Privacy-Preserving and Robust Federated Learning via Flow-Matching Generation
von: Wang, Ruiyang, et al.
Veröffentlicht: (2026)

PrivFedTalk: Privacy-Aware Federated Diffusion with Identity-Stable Adapters for Personalized Talking-Head Generation
von: Mazumdar, Soumya, et al.
Veröffentlicht: (2026)

Beyond Traditional Threats: A Persistent Backdoor Attack on Federated Learning
von: Liu, Tao, et al.
Veröffentlicht: (2024)

Towards Sample-specific Backdoor Attack with Clean Labels via Attribute Trigger
von: Zhu, Mingyan, et al.
Veröffentlicht: (2023)

Low-Resolution Face Recognition via Adaptable Instance-Relation Distillation
von: Shi, Ruixin, et al.
Veröffentlicht: (2024)

Poisoning Attacks on Federated Learning for Autonomous Driving
von: Garg, Sonakshi, et al.
Veröffentlicht: (2024)

CertDW: Towards Certified Dataset Ownership Verification via Conformal Prediction
von: Qiao, Ting, et al.
Veröffentlicht: (2025)

FedDefender: Backdoor Attack Defense in Federated Learning
von: Gill, Waris, et al.
Veröffentlicht: (2023)

Federated Learning With Individualized Privacy Through Client Sampling
von: Lange, Lucas, et al.
Veröffentlicht: (2025)

Towards Million-Scale Adversarial Robustness Evaluation With Stronger Individual Attacks
von: Xie, Yong, et al.
Veröffentlicht: (2024)

pfl-research: simulation framework for accelerating research in Private Federated Learning
von: Granqvist, Filip, et al.
Veröffentlicht: (2024)

Non-Cooperative Backdoor Attacks in Federated Learning: A New Threat Landscape
von: Nguyen, Tuan, et al.
Veröffentlicht: (2024)

A Novel Defense Against Poisoning Attacks on Federated Learning: LayerCAM Augmented with Autoencoder
von: Zheng, Jingjing, et al.
Veröffentlicht: (2024)

PointNCBW: Towards Dataset Ownership Verification for Point Clouds via Negative Clean-label Backdoor Watermark
von: Wei, Cheng, et al.
Veröffentlicht: (2024)

Exploring the Adversarial Frontier: Quantifying Robustness via Adversarial Hypervolume
von: Guo, Ping, et al.
Veröffentlicht: (2024)

MOVE: Effective and Harmless Ownership Verification via Embedded External Features
von: Li, Yiming, et al.
Veröffentlicht: (2022)

FC-Attack: Jailbreaking Multimodal Large Language Models via Auto-Generated Flowcharts
von: Zhang, Ziyi, et al.
Veröffentlicht: (2025)

Rotation-Invariant Spherical Watermarking via Third-Order SO(3) Representation Coupling
von: Chen, Pengzhen, et al.
Veröffentlicht: (2026)

Towards Understanding Dual BN In Hybrid Adversarial Training
von: Zhang, Chenshuang, et al.
Veröffentlicht: (2024)

Value-Aligned Prompt Moderation via Zero-Shot Agentic Rewriting for Safe Image Generation
von: Zhao, Xin, et al.
Veröffentlicht: (2025)

FLARE: Toward Universal Dataset Purification against Backdoor Attacks
von: Hou, Linshan, et al.
Veröffentlicht: (2024)

SWA-LDM: Toward Stealthy Watermarks for Latent Diffusion Models
von: Yang, Zhonghao, et al.
Veröffentlicht: (2025)

Towards Black-Box Membership Inference Attack for Diffusion Models
von: Li, Jingwei, et al.
Veröffentlicht: (2024)

L-AutoDA: Leveraging Large Language Models for Automated Decision-based Adversarial Attacks
von: Guo, Ping, et al.
Veröffentlicht: (2024)

Towards Robust Protective Perturbation against DeepFake Face Swapping
von: Yao, Hengyang, et al.
Veröffentlicht: (2025)

Towards Predicting the Success of Transfer-based Attacks by Quantifying Shared Feature Representations
von: Dale, Ashley S., et al.
Veröffentlicht: (2024)

REFORGE: Multi-modal Attacks Reveal Vulnerable Concept Unlearning in Image Generation Models
von: Zou, Yong, et al.
Veröffentlicht: (2026)

Towards Resilient Safety-driven Unlearning for Diffusion Models against Downstream Fine-tuning
von: Li, Boheng, et al.
Veröffentlicht: (2025)