Buchumschlag

Approximate Agreement Algorithms for Byzantine Collaborative Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cambus, Mélanie, Melnyk, Darya, Milentijević, Tijana, Schmid, Stefan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Centroid Approximation for Byzantine-Tolerant Federated Learning
von: Cambus, Mélanie, et al.
Veröffentlicht: (2025)

Centroid Approximation with Multidimensional Approximate Agreement Protocols
von: Cambus, Melanie, et al.
Veröffentlicht: (2023)

Resilient Byzantine Agreement with Predictions
von: Dallot, Julien, et al.
Veröffentlicht: (2026)

Practical Validity Conditions for Byzantine-Tolerant Federated Learning
von: Cambus, Mélanie, et al.
Veröffentlicht: (2026)

Dynamic Byzantine-Robust Learning: Adapting to Switching Byzantine Workers
von: Dorfman, Ron, et al.
Veröffentlicht: (2024)

Byzantine Agreement with Predictions
von: Ben-David, Naama, et al.
Veröffentlicht: (2025)

A $(3+\varepsilon)$-Approximate Correlation Clustering Algorithm in Dynamic Streams
von: Cambus, Mélanie, et al.
Veröffentlicht: (2022)

Communication Efficient Byzantine Agreement with Predictions
von: Dzulfikar, Muhammad Ayaz, et al.
Veröffentlicht: (2026)

Validity in Network-Agnostic Byzantine Agreement
von: Constantinescu, Andrei, et al.
Veröffentlicht: (2024)

Algorithms for Collaborative Machine Learning under Statistical Heterogeneity
von: Hahn, Seok-Ju
Veröffentlicht: (2024)

ProDiGy: Proximity- and Dissimilarity-Based Byzantine-Robust Federated Learning
von: Ergisi, Sena, et al.
Veröffentlicht: (2025)

Byzantine-Robust and Communication-Efficient Distributed Learning via Compressed Momentum Filtering
von: Liu, Changxin, et al.
Veröffentlicht: (2024)

Proof-of-Collaborative-Learning: A Multi-winner Federated Learning Consensus Algorithm
von: Sokhankhosh, Amirreza, et al.
Veröffentlicht: (2024)

Generalization Error Analysis for Attack-Free and Byzantine-Resilient Decentralized Learning with Data Heterogeneity
von: Ye, Haoxiang, et al.
Veröffentlicht: (2025)

Automated Byzantine-Resilient Clustered Decentralized Federated Learning for Battery Intelligence in Connected EVs
von: Bouchiha, Mouhamed Amine, et al.
Veröffentlicht: (2026)

SketchGuard: Scaling Byzantine-Robust Decentralized Federated Learning via Sketch-Based Screening
von: Rangwala, Murtaza, et al.
Veröffentlicht: (2025)

Efficient Federated Learning against Byzantine Attacks and Data Heterogeneity via Aggregating Normalized Gradients
von: Zuo, Shiyuan, et al.
Veröffentlicht: (2024)

Optimizing Communication in Byzantine Agreement Protocols with Slim-HBBFT
von: Sony, Nasit S, et al.
Veröffentlicht: (2025)

Spectral Sentinel: Scalable Byzantine-Robust Decentralized Federated Learning via Sketched Random Matrix Theory on Blockchain
von: Mishra, Animesh
Veröffentlicht: (2025)

From Few to Many Faults: Optimal Adaptive Byzantine Agreement
von: Constantinescu, Andrei, et al.
Veröffentlicht: (2025)

Partial Synchrony for Free? New Upper Bounds for Byzantine Agreement
von: Civit, Pierre, et al.
Veröffentlicht: (2024)

Byzantine-Robust Decentralized Federated Learning
von: Fang, Minghong, et al.
Veröffentlicht: (2024)

FedGAT: A Privacy-Preserving Federated Approximation Algorithm for Graph Attention Networks
von: Ambekar, Siddharth, et al.
Veröffentlicht: (2024)

On the Byzantine-Resilience of Distillation-Based Federated Learning
von: Roux, Christophe, et al.
Veröffentlicht: (2024)

CYCle: Choosing Your Collaborators Wisely to Enhance Collaborative Fairness in Decentralized Learning
von: Tastan, Nurbek, et al.
Veröffentlicht: (2025)

Collaborative Batch Size Optimization for Federated Learning
von: Geimer, Arno, et al.
Veröffentlicht: (2025)

Venn: Resource Management for Collaborative Learning Jobs
von: Liu, Jiachen, et al.
Veröffentlicht: (2023)

Private Aggregation for Byzantine-Resilient Heterogeneous Federated Learning
von: Egger, Maximilian, et al.
Veröffentlicht: (2025)

No Vandalism: Privacy-Preserving and Byzantine-Robust Federated Learning
von: Xing, Zhibo, et al.
Veröffentlicht: (2024)

DG-CoLearn: An Efficient Collaborative Learning Framework for Dynamic Graphs
von: Au, Ashley Hoi-Ting, et al.
Veröffentlicht: (2026)

CoBo: Collaborative Learning via Bilevel Optimization
von: Hashemi, Diba, et al.
Veröffentlicht: (2024)

PiPar: Pipeline Parallelism for Collaborative Machine Learning
von: Zhang, Zihan, et al.
Veröffentlicht: (2022)

Asynchronous Byzantine Federated Learning
von: Cox, Bart, et al.
Veröffentlicht: (2024)

Approximate Byzantine Fault-Tolerance in Distributed Optimization
von: Liu, Shuo, et al.
Veröffentlicht: (2021)

Prioritized-MVBA: A New Approach to Design an Optimal Asynchronous Byzantine Agreement Protocol
von: Sony, Nasit S, et al.
Veröffentlicht: (2024)

Practical Framework for Privacy-Preserving and Byzantine-robust Federated Learning
von: Zhang, Baolei, et al.
Veröffentlicht: (2025)

Perfect Privacy for Discriminator-Based Byzantine-Resilient Federated Learning
von: Xia, Yue, et al.
Veröffentlicht: (2025)

GRANITE : a Byzantine-Resilient Dynamic Gossip Learning Framework
von: Belal, Yacine, et al.
Veröffentlicht: (2025)

On the Tradeoff between Privacy Preservation and Byzantine-Robustness in Decentralized Learning
von: Ye, Haoxiang, et al.
Veröffentlicht: (2023)

Learning the Optimal Path and DNN Partition for Collaborative Edge Inference
von: Huang, Yin, et al.
Veröffentlicht: (2024)