Buchumschlag

Uncertainty-Aware Federated Learning for Cyber-Resilient Microgrid Energy Management

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Babayomi, Oluleke, Kim, Dong-Seong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Federated Anomaly Detection and Mitigation for EV Charging Forecasting Under Cyberattacks
von: Babayomi, Oluleke, et al.
Veröffentlicht: (2025)

Cyber-Resilient Digital Twins: Discriminating Attacks for Safe Critical Infrastructure Control
von: Homaei, Mohammadhossein, et al.
Veröffentlicht: (2026)

Quantitative Resilience Modeling for Autonomous Cyber Defense
von: Cadet, Xavier, et al.
Veröffentlicht: (2025)

Secure and Private Federated Learning: Achieving Adversarial Resilience through Robust Aggregation
von: Yang, Kun, et al.
Veröffentlicht: (2025)

Social-Aware Clustered Federated Learning with Customized Privacy Preservation
von: Wang, Yuntao, et al.
Veröffentlicht: (2022)

Unveiling the Black Box: A Multi-Layer Framework for Explaining Reinforcement Learning-Based Cyber Agents
von: Goel, Diksha, et al.
Veröffentlicht: (2025)

Entity-based Reinforcement Learning for Autonomous Cyber Defence
von: Thompson, Isaac Symes, et al.
Veröffentlicht: (2024)

Detection and Imputation based Two-Stage Denoising Diffusion Power System Measurement Recovery under Cyber-Physical Uncertainties
von: Pei, Jianhua, et al.
Veröffentlicht: (2023)

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

ANALYSE -- Learning to Attack Cyber-Physical Energy Systems With Intelligent Agents
von: Wolgast, Thomas, et al.
Veröffentlicht: (2023)

Machine Learning for Cyber-Attack Identification from Traffic Flows
von: Zhou, Yujing, et al.
Veröffentlicht: (2025)

Adaptive Federated Learning Defences via Trust-Aware Deep Q-Networks
von: Palit, Vedant
Veröffentlicht: (2025)

Preliminary Investigation into Uncertainty-Aware Attack Stage Classification
von: Gaudenzi, Alessandro, et al.
Veröffentlicht: (2025)

Performance of Machine Learning Classifiers for Anomaly Detection in Cyber Security Applications
von: Haug, Markus, et al.
Veröffentlicht: (2025)

Automated Cyber Defense with Generalizable Graph-based Reinforcement Learning Agents
von: King, Isaiah J., et al.
Veröffentlicht: (2025)

Vendor-Conditioned Contrastive Learning for Predicting Organizational Cyber Threat Targets
von: Ampel, Benjamin M.
Veröffentlicht: (2020)

CyberMaskQA: A Privacy-Aware Benchmark for Evaluating Large Language Models in Cybersecurity Question Answering
von: Gaddi, Matilda, et al.
Veröffentlicht: (2026)

Using Anomaly Detection to Detect Poisoning Attacks in Federated Learning Applications
von: Raza, Ali, et al.
Veröffentlicht: (2022)

Random Gradient Masking as a Defensive Measure to Deep Leakage in Federated Learning
von: Kim, Joon, et al.
Veröffentlicht: (2024)

Interpreting Agent Behaviors in Reinforcement-Learning-Based Cyber-Battle Simulation Platforms
von: Claypoole, Jared, et al.
Veröffentlicht: (2025)

Using Graph Theory for Improving Machine Learning-based Detection of Cyber Attacks
von: Zonneveld, Giacomo, et al.
Veröffentlicht: (2024)

SDBA: A Stealthy and Long-Lasting Durable Backdoor Attack in Federated Learning
von: Choe, Minyeong, et al.
Veröffentlicht: (2024)

Federated Graph Learning for EV Charging Demand Forecasting with Personalization Against Cyberattacks
von: Li, Yi, et al.
Veröffentlicht: (2024)

Evaluation of LLM Chatbots for OSINT-based Cyber Threat Awareness
von: Shafee, Samaneh, et al.
Veröffentlicht: (2024)

Hessian-aware Training for Enhancing DNNs Resilience to Parameter Corruptions
von: Prato, Tahmid Hasan, et al.
Veröffentlicht: (2025)

Federated Learning on Non-iid Data via Local and Global Distillation
von: Zheng, Xiaolin, et al.
Veröffentlicht: (2023)

Optimizing Cyber Defense in Dynamic Active Directories through Reinforcement Learning
von: Goel, Diksha, et al.
Veröffentlicht: (2024)

Monitor and Recover: A Paradigm for Future Research on Distribution Shift in Learning-Enabled Cyber-Physical Systems
von: Lin, Vivian, et al.
Veröffentlicht: (2025)

Evaluating Generalization Mechanisms in Autonomous Cyber Attack Agents
von: Lukáš, Ondřej, et al.
Veröffentlicht: (2026)

Hierarchical Adversarially-Resilient Multi-Agent Reinforcement Learning for Cyber-Physical Systems Security
von: Alqithami, Saad
Veröffentlicht: (2025)

Attacks on fairness in Federated Learning
von: Rance, Joseph, et al.
Veröffentlicht: (2023)

Federated Learning with Relative Fairness
von: Nakakita, Shogo, et al.
Veröffentlicht: (2024)

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)

Scoring the Unscorables: Cyber Risk Assessment Beyond Internet Scans
von: Sarabi, Armin, et al.
Veröffentlicht: (2025)

Applying Action Masking and Curriculum Learning Techniques to Improve Data Efficiency and Overall Performance in Operational Technology Cyber Security using Reinforcement Learning
von: Wilson, Alec, et al.
Veröffentlicht: (2024)

Uncertainty-Aware Hardware Trojan Detection Using Multimodal Deep Learning
von: Vishwakarma, Rahul, et al.
Veröffentlicht: (2024)

Blockchain-Empowered Cyber-Secure Federated Learning for Trustworthy Edge Computing
von: Moore, Ervin, et al.
Veröffentlicht: (2024)

SafeLM: Unified Privacy-Aware Optimization for Trustworthy Federated Large Language Models
von: Mohammad, Noor Islam S., et al.
Veröffentlicht: (2026)

Local Differential Privacy is Not Enough: A Sample Reconstruction Attack against Federated Learning with Local Differential Privacy
von: You, Zhichao, et al.
Veröffentlicht: (2025)