Buchumschlag

FedMPDD: Communication-Efficient Federated Learning with Privacy Preservation Attributes via Projected Directional Derivative

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rostami, Mohammadreza, Kia, Solmaz S.
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

Scalar Federated Learning for Linear Quadratic Regulator
von: Rostami, Mohammadreza, et al.
Veröffentlicht: (2026)

Adaptive Threshold-Driven Continuous Greedy Method for Scalable Submodular Optimization
von: Rostami, Mohammadreza, et al.
Veröffentlicht: (2026)

FedScalar: Federated Learning with Scalar Communication for Bandwidth-Constrained Networks
von: Rostami, M., et al.
Veröffentlicht: (2024)

Projected Forward Gradient-Guided Frank-Wolfe Algorithm via Variance Reduction
von: Rostami, M., et al.
Veröffentlicht: (2024)

FedEM: A Privacy-Preserving Framework for Concurrent Utility Preservation in Federated Learning
von: Xu, Mingcong, et al.
Veröffentlicht: (2025)

Time-Varying Convex Optimization with $O(n)$ Computational Complexity
von: Rostami, M., et al.
Veröffentlicht: (2024)

FedML-HE: An Efficient Homomorphic-Encryption-Based Privacy-Preserving Federated Learning System
von: Jin, Weizhao, et al.
Veröffentlicht: (2023)

Improving Privacy-Preserving Vertical Federated Learning by Efficient Communication with ADMM
von: Xie, Chulin, et al.
Veröffentlicht: (2022)

FedSAF: A Federated Learning Framework for Enhanced Gastric Cancer Detection and Privacy Preservation
von: Miao, Yuxin, et al.
Veröffentlicht: (2025)

FedTDP: A Privacy-Preserving and Unified Framework for Trajectory Data Preparation via Federated Learning
von: Zeng, Zhihao, et al.
Veröffentlicht: (2025)

pMixFed: Efficient Personalized Federated Learning through Adaptive Layer-Wise Mixup
von: Saadati, Yasaman, et al.
Veröffentlicht: (2025)

FedRP: A Communication-Efficient Approach for Differentially Private Federated Learning Using Random Projection
von: Narimani, Mohammad Hasan, et al.
Veröffentlicht: (2025)

Provably Communication-Efficient and Privacy-Preserving Federated Graph Neural Networks
von: Guo, Zhishuai, et al.
Veröffentlicht: (2026)

Privacy-Preserving Federated Learning via Dataset Distillation
von: Xu, ShiMao, et al.
Veröffentlicht: (2024)

FedFG: Privacy-Preserving and Robust Federated Learning via Flow-Matching Generation
von: Wang, Ruiyang, et al.
Veröffentlicht: (2026)

FedBAT: Communication-Efficient Federated Learning via Learnable Binarization
von: Li, Shiwei, et al.
Veröffentlicht: (2024)

FedPF: Accurate Target Privacy Preserving Federated Learning Balancing Fairness and Utility
von: Sun, Kangkang, et al.
Veröffentlicht: (2025)

Communication-Efficient and Privacy-Adaptable Mechanism for Federated Learning
von: Ling, Chih Wei, et al.
Veröffentlicht: (2025)

FedBiF: Communication-Efficient Federated Learning via Bits Freezing
von: Li, Shiwei, et al.
Veröffentlicht: (2025)

FedBit: Accelerating Privacy-Preserving Federated Learning via Bit-Interleaved Packing and Cross-Layer Co-Design
von: Meng, Xiangchen, et al.
Veröffentlicht: (2025)

FedLLM: A Privacy-Preserving Federated Large Language Model for Explainable Traffic Flow Prediction
von: Kaur, Seerat, et al.
Veröffentlicht: (2026)

Preserving Privacy and Security in Federated Learning
von: Nguyen, Truc, et al.
Veröffentlicht: (2022)

Fed-ZOE: Communication-Efficient Over-the-Air Federated Learning via Zeroth-Order Estimation
von: Jang, Jonggyu, et al.
Veröffentlicht: (2024)

LightSplit: Practical Privacy-Preserving Split Learning via Orthogonal Projections
von: Cihangiroglu, Mert, et al.
Veröffentlicht: (2026)

FedMeNF: Privacy-Preserving Federated Meta-Learning for Neural Fields
von: Yun, Junhyeog, et al.
Veröffentlicht: (2025)

FedCau: A Proactive Stop Policy for Communication and Computation Efficient Federated Learning
von: Mahmoudi, Afsaneh, et al.
Veröffentlicht: (2022)

FedRE: Robust and Effective Federated Learning with Privacy Preference
von: Xiao, Tianzhe, et al.
Veröffentlicht: (2025)

FedGAT: A Privacy-Preserving Federated Approximation Algorithm for Graph Attention Networks
von: Ambekar, Siddharth, et al.
Veröffentlicht: (2024)

Lossless Privacy-Preserving Aggregation for Decentralized Federated Learning
von: Miao, Xiaoye, et al.
Veröffentlicht: (2025)

Privacy-Preserving Federated Learning via Differential Privacy and Homomorphic Encryption for Cardiovascular Disease Risk Modeling
von: Sharma, Gaurang, et al.
Veröffentlicht: (2026)

Efficient Federated Unlearning with Adaptive Differential Privacy Preservation
von: Jiang, Yu, et al.
Veröffentlicht: (2024)

FedMap: Iterative Magnitude-Based Pruning for Communication-Efficient Federated Learning
von: Herzog, Alexander, et al.
Veröffentlicht: (2024)

ProgFed: Effective, Communication, and Computation Efficient Federated Learning by Progressive Training
von: Wang, Hui-Po, et al.
Veröffentlicht: (2021)

AdaFed: Fair Federated Learning via Adaptive Common Descent Direction
von: Hamidi, Shayan Mohajer, et al.
Veröffentlicht: (2024)

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

Towards Privacy-Preserving and Heterogeneity-aware Split Federated Learning via Probabilistic Masking
von: Wang, Xingchen, et al.
Veröffentlicht: (2025)

Privacy-Preserving Federated Learning via Homomorphic Adversarial Networks
von: Dong, Wenhan, et al.
Veröffentlicht: (2024)

Graph Federated Unlearning for Privacy Preservation
von: Ma, Ruotong, et al.
Veröffentlicht: (2026)

Federated Continual Learning for Privacy-Preserving Hospital Imaging Classification
von: Sinhal, Anay, et al.
Veröffentlicht: (2026)

FedRand: Enhancing Privacy in Federated Learning with Randomized LoRA Subparameter Updates
von: Park, Sangwoo, et al.
Veröffentlicht: (2025)