Buchumschlag

Differential Privacy Analysis of Decentralized Gossip Averaging under Varying Threat Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Koskela, Antti, Kulkarni, Tejas
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Cryptography and Security Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Muffliato: Peer-to-Peer Privacy Amplification for Decentralized Optimization and Averaging
von: Cyffers, Edwige, et al.
Veröffentlicht: (2022)

Protecting Confidentiality, Privacy and Integrity in Collaborative Learning
von: Chen, Dong, et al.
Veröffentlicht: (2024)

Differentially Private Federated Learning With Time-Adaptive Privacy Spending
von: Kiani, Shahrzad, et al.
Veröffentlicht: (2025)

Enhancing Privacy in Decentralized Min-Max Optimization: A Differentially Private Approach
von: Quan, Yueyang, et al.
Veröffentlicht: (2025)

Decentralized Collaborative Learning Framework with External Privacy Leakage Analysis
von: Idé, Tsuyoshi, et al.
Veröffentlicht: (2024)

Communication-Efficient and Privacy-Preserving Decentralized Meta-Learning
von: Yang, Hansi, et al.
Veröffentlicht: (2024)

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

FedBGS: A Blockchain Approach to Segment Gossip Learning in Decentralized Systems
von: Turazza, Fabio, et al.
Veröffentlicht: (2026)

Dropout-Robust Mechanisms for Differentially Private and Fully Decentralized Mean Estimation
von: Sabater, César, et al.
Veröffentlicht: (2025)

Efficient and Scalable Implementation of Differentially Private Deep Learning without Shortcuts
von: Beltran, Sebastian Rodriguez, et al.
Veröffentlicht: (2024)

Decentralized Federated Anomaly Detection in Smart Grids: A P2P Gossip Approach
von: Husnoo, Muhammad Akbar, et al.
Veröffentlicht: (2024)

On the Hardness of Decentralized Multi-Agent Policy Evaluation under Byzantine Attacks
von: Hairi, et al.
Veröffentlicht: (2024)

Adaptive Differential Privacy in Federated Learning: A Priority-Based Approach
von: Talaei, Mahtab, et al.
Veröffentlicht: (2024)

Enhancing Federated Learning with Adaptive Differential Privacy and Priority-Based Aggregation
von: Talaei, Mahtab, et al.
Veröffentlicht: (2024)

The Effect of Quantization in Federated Learning: A Rényi Differential Privacy Perspective
von: Kang, Tianqu, et al.
Veröffentlicht: (2024)

On the Inherent Anonymity of Gossiping
von: Guerraoui, Rachid, et al.
Veröffentlicht: (2023)

An Adaptive Multi-Layered Honeynet Architecture for Threat Behavior Analysis via Deep Learning
von: Möller, Lukas Johannes
Veröffentlicht: (2025)

Noiseless Privacy-Preserving Decentralized Learning
von: Biswas, Sayan, et al.
Veröffentlicht: (2024)

A Survey on Decentralized Federated Learning
von: Gabrielli, Edoardo, et al.
Veröffentlicht: (2023)

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

The Privacy Power of Correlated Noise in Decentralized Learning
von: Allouah, Youssef, et al.
Veröffentlicht: (2024)

End-to-End Verifiable Decentralized Federated Learning
von: Lee, Chaehyeon, et al.
Veröffentlicht: (2024)

SENTINEL: Stagewise Integrity Verification for Pipeline Parallel Decentralized Training
von: Dolatabadi, Hadi Mohaghegh, et al.
Veröffentlicht: (2026)

Fine-Tuning Large Language Models with User-Level Differential Privacy
von: Charles, Zachary, et al.
Veröffentlicht: (2024)

Privacy Preserving Machine Learning Model Personalization through Federated Personalized Learning
von: Hosain, Md. Tanzib, et al.
Veröffentlicht: (2025)

DP-DyLoRA: Fine-Tuning Transformer-Based Models On-Device under Differentially Private Federated Learning using Dynamic Low-Rank Adaptation
von: Xu, Jie, et al.
Veröffentlicht: (2024)

Efficient Language Model Architectures for Differentially Private Federated Learning
von: Ro, Jae Hun, et al.
Veröffentlicht: (2024)

Balancing Privacy, Robustness, and Efficiency in Machine Learning
von: Allouah, Youssef, et al.
Veröffentlicht: (2023)

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

Improving LoRA in Privacy-preserving Federated Learning
von: Sun, Youbang, et al.
Veröffentlicht: (2024)

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

Share Secrets for Privacy: Confidential Forecasting with Vertical Federated Learning
von: Shankar, Aditya, et al.
Veröffentlicht: (2024)

Optimizing Privacy-Utility Trade-off in Decentralized Learning with Generalized Correlated Noise
von: Rodio, Angelo, et al.
Veröffentlicht: (2025)

Federated Survival Analysis with Node-Level Differential Privacy: Private Kaplan-Meier Curves
von: Veeraragavan, Narasimha Raghavan, et al.
Veröffentlicht: (2025)

Differentially Private Clustered Federated Learning
von: Malekmohammadi, Saber, et al.
Veröffentlicht: (2024)

Brave: Byzantine-Resilient and Privacy-Preserving Peer-to-Peer Federated Learning
von: Xu, Zhangchen, et al.
Veröffentlicht: (2024)

DeZent: Decentralized z-Anonymity with Privacy-Preserving Coordination
von: Brunn, Carolin, et al.
Veröffentlicht: (2026)

On Fair Ordering and Differential Privacy
von: Cohen, Shir, et al.
Veröffentlicht: (2025)

Detect \& Score: Privacy-Preserving Misbehaviour Detection and Contribution Evaluation in Federated Learning
von: Xhemrishi, Marvin, et al.
Veröffentlicht: (2025)

A Lightweight Federated Learning Approach for Privacy-Preserving Botnet Detection in IoT
von: Mahmoud, Taha M., et al.
Veröffentlicht: (2025)