COoL-TEE: Client-TEE Collaboration for Resilient Distributed Search
Fuente:
arXiv
Salvato in:
| Autori principali: | Bettinger, Matthieu, Rivière, Etienne, Mokhtar, Sonia Ben, Simonet-Boulogne, Anthony |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
TriHaRd: Higher Resilience for TEE Trusted Time
di: Bettinger, Matthieu, et al.
Pubblicazione: (2025)
di: Bettinger, Matthieu, et al.
Pubblicazione: (2025)
Reliability is Blind: Collective Incentives for Decentralized Computing Marketplaces without Individual Behavior Information
di: Mont, Henry, et al.
Pubblicazione: (2025)
di: Mont, Henry, et al.
Pubblicazione: (2025)
Not eXactly Byzantine: Efficient and Resilient TEE-Based State Machine Replication
di: Leinweber, Marc, et al.
Pubblicazione: (2025)
di: Leinweber, Marc, et al.
Pubblicazione: (2025)
TEE is not a Healer: Rollback-Resistant Reliable Storage (Extended Version)
di: Keshavarzi, Sadegh, et al.
Pubblicazione: (2025)
di: Keshavarzi, Sadegh, et al.
Pubblicazione: (2025)
Characterization of GPU TEE Overheads in Distributed Data Parallel ML Training
di: Lee, Jonghyun, et al.
Pubblicazione: (2025)
di: Lee, Jonghyun, et al.
Pubblicazione: (2025)
A TEE-based Approach for Preserving Data Secrecy in Process Mining with Decentralized Sources
di: Basile, Davide, et al.
Pubblicazione: (2026)
di: Basile, Davide, et al.
Pubblicazione: (2026)
An Open-source Implementation and Security Analysis of Triad's TEE Trusted Time Protocol
di: Bettinger, Matthieu, et al.
Pubblicazione: (2025)
di: Bettinger, Matthieu, et al.
Pubblicazione: (2025)
Justin: Hybrid CPU/Memory Elastic Scaling for Distributed Stream Processing
di: Schmitz, Donatien, et al.
Pubblicazione: (2025)
di: Schmitz, Donatien, et al.
Pubblicazione: (2025)
GRANITE : a Byzantine-Resilient Dynamic Gossip Learning Framework
di: Belal, Yacine, et al.
Pubblicazione: (2025)
di: Belal, Yacine, et al.
Pubblicazione: (2025)
Distributed Bilevel Optimization with Dual Pruning for Resource-limited Clients
di: Li, Mingyi, et al.
Pubblicazione: (2025)
di: Li, Mingyi, et al.
Pubblicazione: (2025)
Many Hands Make Light Work: Accelerating Edge Inference via Multi-Client Collaborative Caching
di: Liang, Wenyi, et al.
Pubblicazione: (2024)
di: Liang, Wenyi, et al.
Pubblicazione: (2024)
Distributed Speculative Execution for Resilient Cloud Applications
di: Li, Tianyu, et al.
Pubblicazione: (2024)
di: Li, Tianyu, et al.
Pubblicazione: (2024)
CausalMesh: A Formally Verified Causally Consistent Distributed Cache with Support for Client Migration
di: Zhang, Haoran, et al.
Pubblicazione: (2025)
di: Zhang, Haoran, et al.
Pubblicazione: (2025)
Resilience through Automated Adaptive Configuration for Distribution and Replication
di: Stoller, Scott D., et al.
Pubblicazione: (2025)
di: Stoller, Scott D., et al.
Pubblicazione: (2025)
dSTAR: Straggler Tolerant and Byzantine Resilient Distributed SGD
di: Yan, Jiahe, et al.
Pubblicazione: (2024)
di: Yan, Jiahe, et al.
Pubblicazione: (2024)
Dropout-Robust Mechanisms for Differentially Private and Fully Decentralized Mean Estimation
di: Sabater, César, et al.
Pubblicazione: (2025)
di: Sabater, César, et al.
Pubblicazione: (2025)
Fully-Distributed Construction of Byzantine-Resilient Dynamic Peer-to-Peer Networks
di: Gupta, Aayush, et al.
Pubblicazione: (2025)
di: Gupta, Aayush, et al.
Pubblicazione: (2025)
Black Hole Search: Dynamics, Distribution, and Emergence
di: Kaur, Tanvir, et al.
Pubblicazione: (2026)
di: Kaur, Tanvir, et al.
Pubblicazione: (2026)
Decentralized Learning Made Practical with Client Sampling
di: de Vos, Martijn, et al.
Pubblicazione: (2023)
di: de Vos, Martijn, et al.
Pubblicazione: (2023)
Towards Efficient and Scalable Distributed Vector Search with RDMA
di: Zhi, Xiangyu, et al.
Pubblicazione: (2025)
di: Zhi, Xiangyu, et al.
Pubblicazione: (2025)
FuxiShuffle: An Adaptive and Resilient Shuffle Service for Distributed Data Processing on Alibaba Cloud
di: Lin, Yuhao, et al.
Pubblicazione: (2026)
di: Lin, Yuhao, et al.
Pubblicazione: (2026)
Building a Theory of Distributed Systems: Work by Nancy Lynch and Collaborators
di: Lynch, Nancy
Pubblicazione: (2025)
di: Lynch, Nancy
Pubblicazione: (2025)
Bridging Memory Gaps: Scaling Federated Learning for Heterogeneous Clients
di: Wu, Yebo, et al.
Pubblicazione: (2024)
di: Wu, Yebo, et al.
Pubblicazione: (2024)
Scalable Distributed Vector Search via Accuracy Preserving Index Construction
di: Xu, Yuming, et al.
Pubblicazione: (2025)
di: Xu, Yuming, et al.
Pubblicazione: (2025)
Data Heterogeneity-Aware Client Selection for Federated Learning in Wireless Networks
di: Yang, Yanbing, et al.
Pubblicazione: (2025)
di: Yang, Yanbing, et al.
Pubblicazione: (2025)
Exposing the Vulnerability of Decentralized Learning to Membership Inference Attacks Through the Lens of Graph Mixing
di: Touat, Ousmane, et al.
Pubblicazione: (2024)
di: Touat, Ousmane, et al.
Pubblicazione: (2024)
Barycentric Coded Distributed Computing with Flexible Recovery Threshold for Collaborative Mobile Edge Computing
di: Qiu, Houming, et al.
Pubblicazione: (2025)
di: Qiu, Houming, et al.
Pubblicazione: (2025)
Parallel Collaborative ADMM Privacy Computing and Adaptive GPU Acceleration for Distributed Edge Networks
di: Xia, Mengchun, et al.
Pubblicazione: (2026)
di: Xia, Mengchun, et al.
Pubblicazione: (2026)
TailBench++: Flexible Multi-Client, Multi-Server Benchmarking for Latency-Critical Workloads
di: Li, Zhilin, et al.
Pubblicazione: (2025)
di: Li, Zhilin, et al.
Pubblicazione: (2025)
Latency-Aware 2-Opt Monotonic Local Search for Distributed Constraint Optimization
di: Rachmut, Ben, et al.
Pubblicazione: (2025)
di: Rachmut, Ben, et al.
Pubblicazione: (2025)
Dynamic Client Clustering, Bandwidth Allocation, and Workload Optimization for Semi-synchronous Federated Learning
di: Yu, Liangkun, et al.
Pubblicazione: (2024)
di: Yu, Liangkun, et al.
Pubblicazione: (2024)
Pollen: High-throughput Federated Learning Simulation via Resource-Aware Client Placement
di: Sani, Lorenzo, et al.
Pubblicazione: (2023)
di: Sani, Lorenzo, et al.
Pubblicazione: (2023)
Collaborative UAVs Multi-task Video Processing Optimization Based on Enhanced Distributed Actor-Critic Networks
di: Rong, Ziqi, et al.
Pubblicazione: (2024)
di: Rong, Ziqi, et al.
Pubblicazione: (2024)
Byzantine-Resilient Population Protocols
di: Busch, Costas, et al.
Pubblicazione: (2021)
di: Busch, Costas, et al.
Pubblicazione: (2021)
Optimization of Federated Learning's Client Selection for Non-IID Data Based on Grey Relational Analysis
di: Chen, Shuaijun, et al.
Pubblicazione: (2023)
di: Chen, Shuaijun, et al.
Pubblicazione: (2023)
Characterizing Communication Patterns in Distributed Large Language Model Inference
di: Xu, Lang, et al.
Pubblicazione: (2025)
di: Xu, Lang, et al.
Pubblicazione: (2025)
Flexible Clustered Federated Learning for Client-Level Data Distribution Shift
di: Duan, Moming, et al.
Pubblicazione: (2021)
di: Duan, Moming, et al.
Pubblicazione: (2021)
Towards Efficient Verification of Parallel Applications with Mc SimGrid
di: Laurent, Matthieu, et al.
Pubblicazione: (2025)
di: Laurent, Matthieu, et al.
Pubblicazione: (2025)
EACO-RAG: Towards Distributed Tiered LLM Deployment using Edge-Assisted and Collaborative RAG with Adaptive Knowledge Update
di: Li, Jiaxing, et al.
Pubblicazione: (2024)
di: Li, Jiaxing, et al.
Pubblicazione: (2024)
Towards CXL Resilience to CPU Failures
di: Psistakis, Antonis, et al.
Pubblicazione: (2026)
di: Psistakis, Antonis, et al.
Pubblicazione: (2026)
Documenti analoghi
-
TriHaRd: Higher Resilience for TEE Trusted Time
di: Bettinger, Matthieu, et al.
Pubblicazione: (2025) -
Reliability is Blind: Collective Incentives for Decentralized Computing Marketplaces without Individual Behavior Information
di: Mont, Henry, et al.
Pubblicazione: (2025) -
Not eXactly Byzantine: Efficient and Resilient TEE-Based State Machine Replication
di: Leinweber, Marc, et al.
Pubblicazione: (2025) -
TEE is not a Healer: Rollback-Resistant Reliable Storage (Extended Version)
di: Keshavarzi, Sadegh, et al.
Pubblicazione: (2025) -
Characterization of GPU TEE Overheads in Distributed Data Parallel ML Training
di: Lee, Jonghyun, et al.
Pubblicazione: (2025)