Buchumschlag

Gradient Inversion in Federated Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	He, Shenghong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Model-Based Offline Reinforcement Learning with Reliability-Guaranteed Sequence Modeling
von: He, Shenghong
Veröffentlicht: (2025)

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

Geminio: Language-Guided Gradient Inversion Attacks in Federated Learning
von: Shan, Junjie, et al.
Veröffentlicht: (2024)

No More Guessing: a Verifiable Gradient Inversion Attack in Federated Learning
von: Diana, Francesco, et al.
Veröffentlicht: (2026)

TS-Inverse: A Gradient Inversion Attack Tailored for Federated Time Series Forecasting Models
von: Meijer, Caspar, et al.
Veröffentlicht: (2025)

Federated Natural Policy Gradient and Actor Critic Methods for Multi-task Reinforcement Learning
von: Yang, Tong, et al.
Veröffentlicht: (2023)

Gradient Boosting Reinforcement Learning
von: Fuhrer, Benjamin, et al.
Veröffentlicht: (2024)

Gradient Inversion Attack on Graph Neural Networks
von: Sinha, Divya Anand, et al.
Veröffentlicht: (2024)

OptiGradTrust: Byzantine-Robust Federated Learning with Multi-Feature Gradient Analysis and Reinforcement Learning-Based Trust Weighting
von: Karami, Mohammad, et al.
Veröffentlicht: (2025)

Just-In-Time Reinforcement Learning: Continual Learning in LLM Agents Without Gradient Updates
von: Li, Yibo, et al.
Veröffentlicht: (2026)

Deep Reinforcement Learning with Gradient Eligibility Traces
von: Elelimy, Esraa, et al.
Veröffentlicht: (2025)

Reinforcement Learning via Value Gradient Flow
von: Xu, Haoran, et al.
Veröffentlicht: (2026)

Uncovering Gradient Inversion Risks in Practical Language Model Training
von: Feng, Xinguo, et al.
Veröffentlicht: (2025)

Operator-Theoretic Framework for Gradient-Free Federated Learning
von: Kumar, Mohit, et al.
Veröffentlicht: (2025)

Communication-Efficient Federated Learning with Accelerated Client Gradient
von: Kim, Geeho, et al.
Veröffentlicht: (2022)

Gradient Inversion Transcript: Leveraging Robust Generative Priors to Reconstruct Training Data from Gradient Leakage
von: Chen, Xinping, et al.
Veröffentlicht: (2025)

Gradient Free Deep Reinforcement Learning With TabPFN
von: Schiff, David, et al.
Veröffentlicht: (2025)

Policy Gradient Methods for Non-Markovian Reinforcement Learning
von: Kar, Avik, et al.
Veröffentlicht: (2026)

Policy Gradients for Cumulative Prospect Theory in Reinforcement Learning
von: Lepel, Olivier, et al.
Veröffentlicht: (2024)

Provable Sparse Inversion and Token Relabel Enhanced One-shot Federated Learning with ViTs
von: Shen, Li, et al.
Veröffentlicht: (2026)

AFBS:Buffer Gradient Selection in Semi-asynchronous Federated Learning
von: Lu, Chaoyi, et al.
Veröffentlicht: (2025)

Federated Ensemble-Directed Offline Reinforcement Learning
von: Rengarajan, Desik, et al.
Veröffentlicht: (2023)

$K$-Level Policy Gradients for Multi-Agent Reinforcement Learning
von: Reddi, Aryaman, et al.
Veröffentlicht: (2025)

A Theoretical Understanding of Gradient Bias in Meta-Reinforcement Learning
von: Feng, Xidong, et al.
Veröffentlicht: (2021)

Emergence of Exploration in Policy Gradient Reinforcement Learning via Retrying
von: Nishimori, Soichiro, et al.
Veröffentlicht: (2026)

Proximal Policy Gradient Arborescence for Quality Diversity Reinforcement Learning
von: Batra, Sumeet, et al.
Veröffentlicht: (2023)

Reinforcement Learning Gradients as Vitamin for Online Finetuning Decision Transformers
von: Yan, Kai, et al.
Veröffentlicht: (2024)

Tilted Quantile Gradient Updates for Quantile-Constrained Reinforcement Learning
von: Li, Chenglin, et al.
Veröffentlicht: (2024)

Internal Cross-layer Gradients for Extending Homogeneity to Heterogeneity in Federated Learning
von: Chan, Yun-Hin, et al.
Veröffentlicht: (2023)

Tackling the Non-IID Issue in Heterogeneous Federated Learning by Gradient Harmonization
von: Zhang, Xinyu, et al.
Veröffentlicht: (2023)

LearnAlign: Data Selection for LLM Reinforcement Learning with Improved Gradient Alignment
von: Li, Shipeng, et al.
Veröffentlicht: (2025)

Advantage-based Temporal Attack in Reinforcement Learning
von: He, Shenghong
Veröffentlicht: (2026)

Stabilizing Policy Gradients for Sample-Efficient Reinforcement Learning in LLM Reasoning
von: Melo, Luckeciano C., et al.
Veröffentlicht: (2025)

Scalable Multi-Objective and Meta Reinforcement Learning via Gradient Estimation
von: Zhang, Zhenshuo, et al.
Veröffentlicht: (2025)

Safe Reinforcement Learning using Finite-Horizon Gradient-based Estimation
von: Dai, Juntao, et al.
Veröffentlicht: (2024)

On the Global Optimality of Policy Gradient Methods in General Utility Reinforcement Learning
von: Barakat, Anas, et al.
Veröffentlicht: (2024)

PG-Rainbow: Using Distributional Reinforcement Learning in Policy Gradient Methods
von: Jeon, WooJae, et al.
Veröffentlicht: (2024)

Revisiting Gradient Staleness: Evaluating Distance Metrics for Asynchronous Federated Learning Aggregation
von: Wilhelm, Patrick, et al.
Veröffentlicht: (2026)

Leveraging Analytic Gradients in Provably Safe Reinforcement Learning
von: Walter, Tim, et al.
Veröffentlicht: (2025)

Rethinking Plasticity in Deep Reinforcement Learning
von: He, Zhiqiang
Veröffentlicht: (2026)