Buchumschlag

AFed: Algorithmic Fair Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Huiqiang, Zhu, Tianqing, Zhou, Wanlei, Zhao, Wei
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Zero-Shot Machine Unlearning with Proxy Adversarial Data Generation
von: Chen, Huiqiang, et al.
Veröffentlicht: (2025)

Machine Unlearning via Null Space Calibration
von: Chen, Huiqiang, et al.
Veröffentlicht: (2024)

When Fairness Meets Privacy: Exploring Privacy Threats in Fair Binary Classifiers via Membership Inference Attacks
von: Tian, Huan, et al.
Veröffentlicht: (2023)

Graph Unlearning: Efficient Node Removal in Graph Neural Networks
von: Guan, Faqian, et al.
Veröffentlicht: (2025)

Federated Learning with Blockchain-Enhanced Machine Unlearning: A Trustworthy Approach
von: Zuo, Xuhan, et al.
Veröffentlicht: (2024)

Recent Advances in Federated Learning Driven Large Language Models: A Survey on Architecture, Performance, and Security
von: Qu, Youyang, et al.
Veröffentlicht: (2024)

How Does a Deep Learning Model Architecture Impact Its Privacy? A Comprehensive Study of Privacy Attacks on CNNs and Transformers
von: Zhang, Guangsheng, et al.
Veröffentlicht: (2022)

Linkage on Security, Privacy and Fairness in Federated Learning: New Balances and New Perspectives
von: Wang, Linlin, et al.
Veröffentlicht: (2024)

Large Language Models for Link Stealing Attacks Against Graph Neural Networks
von: Guan, Faqian, et al.
Veröffentlicht: (2024)

Understanding Fairness Surrogate Functions in Algorithmic Fairness
von: Yao, Wei, et al.
Veröffentlicht: (2023)

On ADMM in Heterogeneous Federated Learning: Personalization, Robustness, and Fairness
von: Zhu, Shengkun, et al.
Veröffentlicht: (2024)

Fairness in Federated Learning: Fairness for Whom?
von: Taik, Afaf, et al.
Veröffentlicht: (2025)

Turning Black Box into White Box: Dataset Distillation Leaks
von: Chen, Huajie, et al.
Veröffentlicht: (2026)

Knowledge Distillation in Federated Learning: a Survey on Long Lasting Challenges and New Solutions
von: Qin, Laiqiao, et al.
Veröffentlicht: (2024)

Learning Heterogeneous Performance-Fairness Trade-offs in Federated Learning
von: Ye, Rongguang, et al.
Veröffentlicht: (2025)

Fair Federated Learning under Domain Skew with Local Consistency and Domain Diversity
von: Chen, Yuhang, et al.
Veröffentlicht: (2024)

Fair Concurrent Training of Multiple Models in Federated Learning
von: Siew, Marie, et al.
Veröffentlicht: (2024)

A Post-Processing-Based Fair Federated Learning Framework
von: Zhou, Yi, et al.
Veröffentlicht: (2025)

Safe and Reliable Diffusion Models via Subspace Projection
von: Chen, Huiqiang, et al.
Veröffentlicht: (2025)

FeDABoost: Fairness Aware Federated Learning with Adaptive Boosting
von: Arachchige, Tharuka Kasthuri, et al.
Veröffentlicht: (2025)

A Multivocal Literature Review on Privacy and Fairness in Federated Learning
von: Balbierer, Beatrice, et al.
Veröffentlicht: (2024)

Towards Performance-Enhanced Model-Contrastive Federated Learning using Historical Information in Heterogeneous Scenarios
von: Zhang, Hongliang, et al.
Veröffentlicht: (2026)

FEED: Fairness-Enhanced Meta-Learning for Domain Generalization
von: Jiang, Kai, et al.
Veröffentlicht: (2024)

A Survey on Vulnerability of Federated Learning: A Learning Algorithm Perspective
von: Xie, Xianghua, et al.
Veröffentlicht: (2023)

APPA: Adaptive Preference Pluralistic Alignment for Fair Federated RLHF of LLMs
von: Srewa, Mahmoud, et al.
Veröffentlicht: (2026)

Vertical Federated Unlearning via Backdoor Certification
von: Han, Mengde, et al.
Veröffentlicht: (2024)

Towards Collaborative Fairness in Federated Learning Under Imbalanced Covariate Shift
von: Yu, Tianrun, et al.
Veröffentlicht: (2025)

Over-the-Air Fair Federated Learning via Multi-Objective Optimization
von: Hamidi, Shayan Mohajer, et al.
Veröffentlicht: (2025)

Toward Fair Federated Learning under Demographic Disparities and Data Imbalance
von: Wu, Qiming, et al.
Veröffentlicht: (2025)

FeDa4Fair: Client-Level Federated Datasets for Fairness Evaluation
von: Heilmann, Xenia, et al.
Veröffentlicht: (2025)

AdaFed: Fair Federated Learning via Adaptive Common Descent Direction
von: Hamidi, Shayan Mohajer, et al.
Veröffentlicht: (2024)

Cumulative Utility Parity for Fair Federated Learning under Intermittent Client Participation
von: Behfar, Stefan, et al.
Veröffentlicht: (2026)

The Cost of Local and Global Fairness in Federated Learning
von: Duan, Yuying, et al.
Veröffentlicht: (2025)

FedAA: A Reinforcement Learning Perspective on Adaptive Aggregation for Fair and Robust Federated Learning
von: He, Jialuo, et al.
Veröffentlicht: (2024)

Supervised Algorithmic Fairness in Distribution Shifts: A Survey
von: Shao, Minglai, et al.
Veröffentlicht: (2024)

Algorithmic Fairness Generalization under Covariate and Dependence Shifts Simultaneously
von: Zhao, Chen, et al.
Veröffentlicht: (2023)

Aggregating Concepts of Fairness and Accuracy in Prediction Algorithms
von: Kinney, David
Veröffentlicht: (2025)

Do Fairness Interventions Come at the Cost of Privacy: Evaluations for Binary Classifiers
von: Tian, Huan, et al.
Veröffentlicht: (2025)

FERI: A Multitask-based Fairness Achieving Algorithm with Applications to Fair Organ Transplantation
von: Li, Can, et al.
Veröffentlicht: (2023)

VGFL-SA: Vertical Graph Federated Learning Structure Attack Based on Contrastive Learning
von: Chen, Yang, et al.
Veröffentlicht: (2025)