Buchumschlag

FedRP: A Communication-Efficient Approach for Differentially Private Federated Learning Using Random Projection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Narimani, Mohammad Hasan, Tavassolipour, Mostafa
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Private and Communication-Efficient Federated Learning based on Differentially Private Sketches
von: Zhang, Meifan, et al.
Veröffentlicht: (2024)

FedLAP-DP: Federated Learning by Sharing Differentially Private Loss Approximations
von: Wang, Hui-Po, et al.
Veröffentlicht: (2023)

DP-FedAdamW: An Efficient Optimizer for Differentially Private Federated Large Models
von: Liu, Jin, et al.
Veröffentlicht: (2026)

Out-of-distribution detection using normalizing flows on the data manifold
von: Razavi, Seyedeh Fatemeh, et al.
Veröffentlicht: (2023)

FedMPDD: Communication-Efficient Federated Learning with Privacy Preservation Attributes via Projected Directional Derivative
von: Rostami, Mohammadreza, et al.
Veröffentlicht: (2025)

SPriFed-OMP: A Differentially Private Federated Learning Algorithm for Sparse Basis Recovery
von: Mulay, Ajinkya Kiran, et al.
Veröffentlicht: (2024)

Differentially Private Federated Clustering with Random Rebalancing
von: Yang, Xiyuan, et al.
Veröffentlicht: (2025)

Memory-Efficient Differentially Private Training with Gradient Random Projection
von: Mulrooney, Alex, et al.
Veröffentlicht: (2025)

FedDAPL: Toward Client-Private Generalization in Federated Learning
von: Loaliyan, Soroosh Safari, et al.
Veröffentlicht: (2025)

Balancing Utility and Privacy: Dynamically Private SGD with Random Projection
von: Jiang, Zhanhong, et al.
Veröffentlicht: (2025)

Fed-Sophia: A Communication-Efficient Second-Order Federated Learning Algorithm
von: Elbakary, Ahmed, et al.
Veröffentlicht: (2024)

FedCau: A Proactive Stop Policy for Communication and Computation Efficient Federated Learning
von: Mahmoudi, Afsaneh, et al.
Veröffentlicht: (2022)

Statistical Limits and Efficient Algorithms for Differentially Private Federated Learning
von: Auddy, Arnab, et al.
Veröffentlicht: (2026)

Communication-Efficient and Differentially Private Vertical Federated Learning with Zeroth-Order Optimization
von: Zhang, Jianing, et al.
Veröffentlicht: (2025)

A Differentially Private Blockchain-Based Approach for Vertical Federated Learning
von: Tran, Linh, et al.
Veröffentlicht: (2024)

FedSVD: Adaptive Orthogonalization for Private Federated Learning with LoRA
von: Lee, Seanie, et al.
Veröffentlicht: (2025)

Robustifying Diffusion-Denoised Smoothing Against Covariate Shift
von: Hedayatnia, Ali, et al.
Veröffentlicht: (2025)

FedDD: Toward Communication-efficient Federated Learning with Differential Parameter Dropout
von: Feng, Zhiying, et al.
Veröffentlicht: (2023)

DP-FedPGN: Finding Global Flat Minima for Differentially Private Federated Learning via Penalizing Gradient Norm
von: Liu, Junkang, et al.
Veröffentlicht: (2025)

Differentially Private and Federated Structure Learning in Bayesian Networks
von: Fehri, Ghita Fassy El, et al.
Veröffentlicht: (2025)

Randomized Least Squares Value Iteration itself is Joint Differentially Private
von: Lu, Haiyang, et al.
Veröffentlicht: (2026)

FedGES: A Federated Learning Approach for BN Structure Learning
von: Torrijos, Pablo, et al.
Veröffentlicht: (2025)

FedMap: Iterative Magnitude-Based Pruning for Communication-Efficient Federated Learning
von: Herzog, Alexander, et al.
Veröffentlicht: (2024)

ProgFed: Effective, Communication, and Computation Efficient Federated Learning by Progressive Training
von: Wang, Hui-Po, et al.
Veröffentlicht: (2021)

Differentially Private Decentralized Learning with Random Walks
von: Cyffers, Edwige, et al.
Veröffentlicht: (2024)

Differentially Private Federated Learning: A Systematic Review
von: Fu, Jie, et al.
Veröffentlicht: (2024)

FedBAT: Communication-Efficient Federated Learning via Learnable Binarization
von: Li, Shiwei, et al.
Veröffentlicht: (2024)

A Robust Pipeline for Differentially Private Federated Learning on Imbalanced Clinical Data using SMOTETomek and FedProx
von: Tertulino, Rodrigo
Veröffentlicht: (2025)

On Using Secure Aggregation in Differentially Private Federated Learning with Multiple Local Steps
von: Heikkilä, Mikko A.
Veröffentlicht: (2024)

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

Accelerating Differentially Private Federated Learning via Adaptive Extrapolation
von: Takakura, Shokichi, et al.
Veröffentlicht: (2025)

CorBin-FL: A Differentially Private Federated Learning Mechanism using Common Randomness
von: Salehi, Hojat Allah, et al.
Veröffentlicht: (2024)

CEPerFed: Communication-Efficient Personalized Federated Learning for Multi-Pulse MRI Classification
von: Li, Ludi, et al.
Veröffentlicht: (2025)

FedBCD:Communication-Efficient Accelerated Block Coordinate Gradient Descent for Federated Learning
von: Liu, Junkang, et al.
Veröffentlicht: (2026)

Communication-Learning Co-Design for Differentially Private Over-the-Air Federated Distillation
von: Hu, Zihao, et al.
Veröffentlicht: (2025)

FedBWO: Enhancing Communication Efficiency in Federated Learning
von: Hayyolalam, Vahideh, et al.
Veröffentlicht: (2025)

DP$^2$-FedSAM: Enhancing Differentially Private Federated Learning Through Personalized Sharpness-Aware Minimization
von: Zhang, Zhenxiao, et al.
Veröffentlicht: (2024)

FedBiF: Communication-Efficient Federated Learning via Bits Freezing
von: Li, Shiwei, et al.
Veröffentlicht: (2025)

FedSLoP: Memory-Efficient Federated Learning with Low-Rank Gradient Projection
von: He, Yutong, et al.
Veröffentlicht: (2026)

Differentially Private Low-Rank Adaptation of Large Language Model Using Federated Learning
von: Liu, Xiao-Yang, et al.
Veröffentlicht: (2023)