Buchumschlag

D2M: A Decentralized, Privacy-Preserving, Incentive-Compatible Data Marketplace for Collaborative Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Srivastava, Yash, Jain, Shalin, Awathare, Sneha, Awathare, Nitin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Artificial Intelligence Distributed, Parallel, and Cluster Computing Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Decentralized Exchange that Mitigate a Bribery Attack
von: Awathare, Nitin
Veröffentlicht: (2025)

A Comparative Analysis of zk-SNARKs and zk-STARKs: Theory and Practice
von: Nainwal, Ayush, et al.
Veröffentlicht: (2025)

Hypergraph based Multi-Party Payment Channel
von: Nainwal, Ayush, et al.
Veröffentlicht: (2025)

Noiseless Privacy-Preserving Decentralized Learning
von: Biswas, Sayan, et al.
Veröffentlicht: (2024)

Secure and Privacy-Preserving Vertical Federated Learning
von: Jin, Shan, et al.
Veröffentlicht: (2026)

Privacy-Preserving Feature Valuation in Vertical Federated Learning Using Shapley-CMI and PSI Permutation
von: Laskurain, Unai, et al.
Veröffentlicht: (2025)

FEDSTR: Money-In AI-Out | A Decentralized Marketplace for Federated Learning and LLM Training on the NOSTR Protocol
von: Nikolakakis, Konstantinos E., et al.
Veröffentlicht: (2024)

DeZent: Decentralized z-Anonymity with Privacy-Preserving Coordination
von: Brunn, Carolin, et al.
Veröffentlicht: (2026)

Secure, Scalable and Privacy Aware Data Strategy in Cloud
von: Butte, Vijay Kumar, et al.
Veröffentlicht: (2025)

Trustworthy Federated Learning: Privacy, Security, and Beyond
von: Chen, Chunlu, et al.
Veröffentlicht: (2024)

An Adaptive Differential Privacy Method Based on Federated Learning
von: Wang, Zhiqiang, et al.
Veröffentlicht: (2024)

Optimizing Privacy-Utility Trade-off in Decentralized Learning with Generalized Correlated Noise
von: Rodio, Angelo, et al.
Veröffentlicht: (2025)

A Review on Building Blocks of Decentralized Artificial Intelligence
von: Kersic, Vid, et al.
Veröffentlicht: (2024)

SmartphoneDemocracy: Privacy-Preserving E-Voting on Decentralized Infrastructure using Novel European Identity
von: Jóźwik, Michał, et al.
Veröffentlicht: (2025)

Communication-Efficient and Privacy-Preserving Decentralized Meta-Learning
von: Yang, Hansi, et al.
Veröffentlicht: (2024)

On the Security and Privacy of Federated Learning: A Survey with Attacks, Defenses, Frameworks, Applications, and Future Directions
von: Jimenez-Gutierrez, Daniel M., et al.
Veröffentlicht: (2025)

Low-Latency Privacy-Preserving Deep Learning Design via Secure MPC
von: Lin, Ke, et al.
Veröffentlicht: (2024)

Centralized vs. Decentralized Security for Space AI Systems? A New Look
von: Schmitt, Noam, et al.
Veröffentlicht: (2025)

On the Tradeoff between Privacy Preservation and Byzantine-Robustness in Decentralized Learning
von: Ye, Haoxiang, et al.
Veröffentlicht: (2023)

Demo: FedCampus: A Real-world Privacy-preserving Mobile Application for Smart Campus via Federated Learning & Analytics
von: Geng, Jiaxiang, et al.
Veröffentlicht: (2024)

Decentralized Collaborative Learning Framework with External Privacy Leakage Analysis
von: Idé, Tsuyoshi, et al.
Veröffentlicht: (2024)

IslandRun: Privacy-Aware Multi-Objective Orchestration for Distributed AI Inference
von: Malepati, Bala Siva Sai Akhil
Veröffentlicht: (2025)

InfoDecom: Decomposing Information for Defending Against Privacy Leakage in Split Inference
von: Deng, Ruijun, et al.
Veröffentlicht: (2025)

UMEDA: Unified Multi-modal Efficient Data Fusion for Privacy-Preserving Graph Federated Learning via Spectral-Gated Attention and Diffusion-Based Operator Alignment
von: Lai, Shih-Yu, et al.
Veröffentlicht: (2026)

Federated Cyber Defense: Privacy-Preserving Ransomware Detection Across Distributed Systems
von: Jimenez-Gutierrez, Daniel M., et al.
Veröffentlicht: (2025)

MPU: Towards Secure and Privacy-Preserving Knowledge Unlearning for Large Language Models
von: Wang, Tiantong, et al.
Veröffentlicht: (2026)

Privacy-Preserving Data Processing in Cloud : From Homomorphic Encryption to Federated Analytics
von: Sarraf, Gaurav, et al.
Veröffentlicht: (2026)

HHEML: Hybrid Homomorphic Encryption for Privacy-Preserving Machine Learning on Edge
von: Chan, Yu Hin, et al.
Veröffentlicht: (2025)

AI-Based Crypto Tokens: The Illusion of Decentralized AI?
von: Mafrur, Rischan
Veröffentlicht: (2025)

Advances in Privacy Preserving Federated Learning to Realize a Truly Learning Healthcare System
von: Madduri, Ravi, et al.
Veröffentlicht: (2024)

Quantum-Inspired Privacy-Preserving Federated Learning Framework for Secure Dementia Classification
von: Tanbhir, Gazi, et al.
Veröffentlicht: (2025)

Sherpa.ai Privacy-Preserving Multi-Party Entity Alignment without Intersection Disclosure for Noisy Identifiers
von: Jimenez-Gutierrez, Daniel M., et al.
Veröffentlicht: (2026)

LAFA: Agentic LLM-Driven Federated Analytics over Decentralized Data Sources
von: Ji, Haichao, et al.
Veröffentlicht: (2025)

Blockchain-Empowered Trustworthy Data Sharing: Fundamentals, Applications, and Challenges
von: Nguyen, Linh T., et al.
Veröffentlicht: (2023)

Head Count: Privacy-Preserving Face-Based Crowd Monitoring
von: Marzani, Fatemeh, et al.
Veröffentlicht: (2026)

Lancelot: Towards Efficient and Privacy-Preserving Byzantine-Robust Federated Learning within Fully Homomorphic Encryption
von: Jiang, Siyang, et al.
Veröffentlicht: (2024)

FedBGS: A Blockchain Approach to Segment Gossip Learning in Decentralized Systems
von: Turazza, Fabio, et al.
Veröffentlicht: (2026)

On-Chain Decentralized Learning and Cost-Effective Inference for DeFi Attack Mitigation
von: Alhaidari, Abdulrahman, et al.
Veröffentlicht: (2025)

Celtibero: Robust Layered Aggregation for Federated Learning
von: Molina-Coronado, Borja
Veröffentlicht: (2024)

DP2Guard: A Lightweight and Byzantine-Robust Privacy-Preserving Federated Learning Scheme for Industrial IoT
von: Han, Baofu, et al.
Veröffentlicht: (2025)