Buchumschlag

Fully Decentralized Certified Unlearning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lamri, Hithem, Maniatakos, Michail
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

ReVeil: Unconstrained Concealed Backdoor Attack on Deep Neural Networks using Machine Unlearning
von: Alam, Manaar, et al.
Veröffentlicht: (2025)

DRAUN: An Algorithm-Agnostic Data Reconstruction Attack on Federated Unlearning Systems
von: Lamri, Hithem, et al.
Veröffentlicht: (2025)

LLMPot: Dynamically Configured LLM-based Honeypot for Industrial Protocol and Physical Process Emulation
von: Vasilatos, Christoforos, et al.
Veröffentlicht: (2024)

Certified Unlearning in Decentralized Federated Learning
von: Wu, Hengliang, et al.
Veröffentlicht: (2026)

CHEHAB RL: Learning to Optimize Fully Homomorphic Encryption Computations
von: Sefsaf, Bilel, et al.
Veröffentlicht: (2026)

BlendFL: Blended Federated Learning for Handling Multimodal Data Heterogeneity
von: Guerra-Manzanares, Alejandro, et al.
Veröffentlicht: (2025)

Certified Signed Graph Unlearning
von: Zhao, Junpeng, et al.
Veröffentlicht: (2025)

Certified Unlearning for Neural Networks
von: Koloskova, Anastasia, et al.
Veröffentlicht: (2025)

Towards Certified Unlearning for Deep Neural Networks
von: Zhang, Binchi, et al.
Veröffentlicht: (2024)

Hessian-Free Online Certified Unlearning
von: Qiao, Xinbao, et al.
Veröffentlicht: (2024)

Privacy-preserving machine learning for healthcare: open challenges and future perspectives
von: Guerra-Manzanares, Alejandro, et al.
Veröffentlicht: (2023)

Certified Minimax Unlearning with Generalization Rates and Deletion Capacity
von: Liu, Jiaqi, et al.
Veröffentlicht: (2023)

Rewind-to-Delete: Certified Machine Unlearning for Nonconvex Functions
von: Mu, Siqiao, et al.
Veröffentlicht: (2024)

PiDAn: A Coherence Optimization Approach for Backdoor Attack Detection and Mitigation in Deep Neural Networks
von: Wang, Yue, et al.
Veröffentlicht: (2022)

Scalable and Certifiable Graph Unlearning: Overcoming the Approximation Error Barrier
von: Yi, Lu, et al.
Veröffentlicht: (2024)

Gaussian Certified Unlearning in High Dimensions: A Hypothesis Testing Approach
von: Pandey, Aaradhya, et al.
Veröffentlicht: (2025)

Sequential Subspace Noise Injection Prevents Accuracy Collapse in Certified Unlearning
von: Dolgova, Polina, et al.
Veröffentlicht: (2026)

IDEA: A Flexible Framework of Certified Unlearning for Graph Neural Networks
von: Dong, Yushun, et al.
Veröffentlicht: (2024)

A Certified Unlearning Approach without Access to Source Data
von: Basaran, Umit Yigit, et al.
Veröffentlicht: (2025)

Certified Machine Unlearning via Noisy Stochastic Gradient Descent
von: Chien, Eli, et al.
Veröffentlicht: (2024)

Forgettable Federated Linear Learning with Certified Data Unlearning
von: Jin, Ruinan, et al.
Veröffentlicht: (2023)

Behemoth: Benchmarking Unlearning in LLMs Using Fully Synthetic Data
von: Iofinova, Eugenia, et al.
Veröffentlicht: (2026)

Beyond Uniform Deletion: A Data Value-Weighted Framework for Certified Machine Unlearning
von: He, Lisong, et al.
Veröffentlicht: (2025)

A Robust Certified Machine Unlearning Method Under Distribution Shift
von: Guo, Jinduo, et al.
Veröffentlicht: (2026)

Fully-Decentralized MADDPG with Networked Agents
von: Bolliger, Diego, et al.
Veröffentlicht: (2025)

PRUNE: A Patching Based Repair Framework for Certifiable Unlearning of Neural Networks
von: Li, Xuran, et al.
Veröffentlicht: (2025)

Certifying the Right to Be Forgotten: Primal-Dual Optimization for Sample and Label Unlearning in Vertical Federated Learning
von: Jiang, Yu, et al.
Veröffentlicht: (2025)

Forgetting Any Data at Any Time: A Theoretically Certified Unlearning Framework for Vertical Federated Learning
von: Wang, Linian, et al.
Veröffentlicht: (2025)

Fully Decentralized Cooperative Multi-Agent Reinforcement Learning is A Context Modeling Problem
von: Li, Chao, et al.
Veröffentlicht: (2025)

Uncover and Unlearn Nuisances: Agnostic Fully Test-Time Adaptation
von: Srey, Ponhvoan, et al.
Veröffentlicht: (2025)

Vanishing Variance Problem in Fully Decentralized Neural-Network Systems
von: Tian, Yongding, et al.
Veröffentlicht: (2024)

Fully Decentralized Cooperative Multi-Agent Reinforcement Learning: A Survey
von: Jiang, Jiechuan, et al.
Veröffentlicht: (2024)

Targeted Unlearning with Single Layer Unlearning Gradient
von: Cai, Zikui, et al.
Veröffentlicht: (2024)

Fair Dynamic Spectrum Access via Fully Decentralized Multi-Agent Reinforcement Learning
von: Zhang, Yubo, et al.
Veröffentlicht: (2025)

Chisme: Fully Decentralized Differentiated Deep Learning for IoT Intelligence
von: Kuttivelil, Harikrishna, et al.
Veröffentlicht: (2025)

Conformal Unlearning: A New Paradigm for Unlearning in Conformal Predictors
von: Alkhatib, Yahya, et al.
Veröffentlicht: (2025)

Erase or Hide? Suppressing Spurious Unlearning Neurons for Robust Unlearning
von: Yang, Nakyeong, et al.
Veröffentlicht: (2025)

FUNU: Boosting Machine Unlearning Efficiency by Filtering Unnecessary Unlearning
von: Li, Zitong, et al.
Veröffentlicht: (2025)

An Illusion of Unlearning? Assessing Machine Unlearning Through Internal Representations
von: Gao, Yichen, et al.
Veröffentlicht: (2026)

Learning to Unlearn: Instance-wise Unlearning for Pre-trained Classifiers
von: Cha, Sungmin, et al.
Veröffentlicht: (2023)