Buchumschlag

FedPoP: Federated Learning Meets Proof of Participation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	İşler, Devriş, van Kempen, Elina, Hwang, Seoyeon, Laoutaris, Nikolaos
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FedQV: Leveraging Quadratic Voting in Federated Learning
von: Chu, Tianyue, et al.
Veröffentlicht: (2024)

PoLO: Proof-of-Learning and Proof-of-Ownership at Once with Chained Watermarking
von: Deng, Haiyu, et al.
Veröffentlicht: (2025)

FedCAP: Robust Federated Learning via Customized Aggregation and Personalization
von: Li, Youpeng, et al.
Veröffentlicht: (2024)

FedTracker: Furnishing Ownership Verification and Traceability for Federated Learning Model
von: Shao, Shuo, et al.
Veröffentlicht: (2022)

FedReview: A Review Mechanism for Rejecting Poisoned Updates in Federated Learning
von: Zheng, Tianhang, et al.
Veröffentlicht: (2024)

Fed-EINI: An Efficient and Interpretable Inference Framework for Decision Tree Ensembles in Federated Learning
von: Chen, Xiaolin, et al.
Veröffentlicht: (2021)

zkFL: Zero-Knowledge Proof-based Gradient Aggregation for Federated Learning
von: Wang, Zhipeng, et al.
Veröffentlicht: (2023)

Trustworthy Blockchain-based Federated Learning for Electronic Health Records: Securing Participant Identity with Decentralized Identifiers and Verifiable Credentials
von: Tertulino, Rodrigo, et al.
Veröffentlicht: (2026)

Bridging Data Barriers among Participants: Assessing the Potential of Geoenergy through Federated Learning
von: Peng, Weike, et al.
Veröffentlicht: (2024)

MedFedPure: A Medical Federated Framework with MAE-based Detection and Diffusion Purification for Inference-Time Attacks
von: Karami, Mohammad, et al.
Veröffentlicht: (2025)

A Survey of Zero-Knowledge Proof Based Verifiable Machine Learning
von: Peng, Zhizhi, et al.
Veröffentlicht: (2025)

From Federated Learning to Quantum Federated Learning for Space-Air-Ground Integrated Networks
von: Quy, Vu Khanh, et al.
Veröffentlicht: (2024)

FedDefender: Backdoor Attack Defense in Federated Learning
von: Gill, Waris, et al.
Veröffentlicht: (2023)

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

Data Valuation and Detections in Federated Learning
von: Li, Wenqian, et al.
Veröffentlicht: (2023)

Federated Learning in Practice: Reflections and Projections
von: Daly, Katharine, et al.
Veröffentlicht: (2024)

Federated Transformer: Multi-Party Vertical Federated Learning on Practical Fuzzily Linked Data
von: Wu, Zhaomin, et al.
Veröffentlicht: (2024)

ExpProof : Operationalizing Explanations for Confidential Models with ZKPs
von: Yadav, Chhavi, et al.
Veröffentlicht: (2025)

FairProof : Confidential and Certifiable Fairness for Neural Networks
von: Yadav, Chhavi, et al.
Veröffentlicht: (2024)

Tackling the Local Bias in Federated Graph Learning
von: Zhang, Binchi, et al.
Veröffentlicht: (2021)

Personalized Federated Learning Techniques: Empirical Analysis
von: Khan, Azal Ahmad, et al.
Veröffentlicht: (2024)

Security Assessment of Hierarchical Federated Deep Learning
von: Alqattan, D, et al.
Veröffentlicht: (2024)

Client Clustering Meets Knowledge Sharing: Enhancing Privacy and Robustness in Personalized Peer-to-Peer Learning
von: Maheri, Mohammad Mahdi, et al.
Veröffentlicht: (2025)

FedNIA: Noise-Induced Activation Analysis for Mitigating Data Poisoning in FL
von: Hallaji, Ehsan, et al.
Veröffentlicht: (2025)

FedMentor: Domain-Aware Differential Privacy for Heterogeneous Federated LLMs in Mental Health
von: Sarwar, Nobin, et al.
Veröffentlicht: (2025)

Practical Feasibility of Gradient Inversion Attacks in Federated Learning
von: Valadi, Viktor, et al.
Veröffentlicht: (2025)

Privacy-Preserving in Blockchain-based Federated Learning Systems
von: M., Sameera K., et al.
Veröffentlicht: (2024)

Federated Learning Resilient to Byzantine Attacks and Data Heterogeneity
von: Zuo, Shiyuan, et al.
Veröffentlicht: (2024)

UIFV: Data Reconstruction Attack in Vertical Federated Learning
von: Yang, Jirui, et al.
Veröffentlicht: (2024)

Local Model Reconstruction Attacks in Federated Learning and their Uses
von: Driouich, Ilias, et al.
Veröffentlicht: (2022)

History-Aware and Dynamic Client Contribution in Federated Learning
von: Ghosh, Bishwamittra, et al.
Veröffentlicht: (2024)

Structure-Aware Distributed Backdoor Attacks in Federated Learning
von: Jian, Wang, et al.
Veröffentlicht: (2026)

Privacy Preserving Federated Learning with Convolutional Variational Bottlenecks
von: Scheliga, Daniel, et al.
Veröffentlicht: (2023)

Decentralized Federated Learning: A Survey on Security and Privacy
von: Hallaji, Ehsan, et al.
Veröffentlicht: (2024)

Hijack Vertical Federated Learning Models As One Party
von: Qiu, Pengyu, et al.
Veröffentlicht: (2022)

Fingerprinting Deep Learning Models via Network Traffic Patterns in Federated Learning
von: Shuvo, Md Nahid Hasan, et al.
Veröffentlicht: (2025)

ZKLoRA: Efficient Zero-Knowledge Proofs for LoRA Verification
von: Roy, Bidhan, et al.
Veröffentlicht: (2025)

ZK-APEX: Zero-Knowledge Approximate Personalized Unlearning with Executable Proofs
von: Maheri, Mohammad M, et al.
Veröffentlicht: (2025)

Effectiveness of L2 Regularization in Privacy-Preserving Machine Learning
von: Chandrinos, Nikolaos, et al.
Veröffentlicht: (2024)

FLClear: Visually Verifiable Multi-Client Watermarking for Federated Learning
von: Gu, Chen, et al.
Veröffentlicht: (2025)