:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Panth, Prajwal, Malla, Sahaj Raj
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Cryptography and Security Distributed, Parallel, and Cluster Computing Machine Learning
Online-Zugang:	https://arxiv.org/abs/2601.00418
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Secure and Parallel Determinant Computation for Large-Scale Matrices in Edge Environments
von: Panth, Prajwal
Veröffentlicht: (2026)

Robust Federated Learning Mitigates Client-side Training Data Distribution Inference Attacks
von: Xu, Yichang, et al.
Veröffentlicht: (2024)

Split Learning without Local Weight Sharing to Enhance Client-side Data Privacy
von: Pham, Ngoc Duy, et al.
Veröffentlicht: (2022)

Random Client Selection on Contrastive Federated Learning for Tabular Data
von: Ginanjar, Achmad, et al.
Veröffentlicht: (2025)

CLIP: Client-Side Invariant Pruning for Mitigating Stragglers in Secure Federated Learning
von: DiMaggio, Anthony, et al.
Veröffentlicht: (2025)

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

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

No Vandalism: Privacy-Preserving and Byzantine-Robust Federated Learning
von: Xing, Zhibo, et al.
Veröffentlicht: (2024)

Share Secrets for Privacy: Confidential Forecasting with Vertical Federated Learning
von: Shankar, Aditya, et al.
Veröffentlicht: (2024)

Practical Framework for Privacy-Preserving and Byzantine-robust Federated Learning
von: Zhang, Baolei, et al.
Veröffentlicht: (2025)

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

Privacy-Preserving Distributed Nonnegative Matrix Factorization
von: Lari, Ehsan, et al.
Veröffentlicht: (2024)

FLea: Addressing Data Scarcity and Label Skew in Federated Learning via Privacy-preserving Feature Augmentation
von: Xia, Tong, et al.
Veröffentlicht: (2023)

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)

Brave: Byzantine-Resilient and Privacy-Preserving Peer-to-Peer Federated Learning
von: Xu, Zhangchen, et al.
Veröffentlicht: (2024)

Detect \& Score: Privacy-Preserving Misbehaviour Detection and Contribution Evaluation in Federated Learning
von: Xhemrishi, Marvin, et al.
Veröffentlicht: (2025)

A Lightweight Federated Learning Approach for Privacy-Preserving Botnet Detection in IoT
von: Mahmoud, Taha M., et al.
Veröffentlicht: (2025)

Privacy Preserving Machine Learning Model Personalization through Federated Personalized Learning
von: Hosain, Md. Tanzib, et al.
Veröffentlicht: (2025)

IntraShuffler: A Privacy Preserving Framework for Heterogeneous DP Federated Learning
von: Riya, Farhin Farhad, et al.
Veröffentlicht: (2026)

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

Anomalous Client Detection in Federated Learning
von: Thakur, Dipanwita, et al.
Veröffentlicht: (2024)

Securing Health Data on the Blockchain: A Differential Privacy and Federated Learning Framework
von: Commey, Daniel, et al.
Veröffentlicht: (2024)

Federated Learning for Pediatric Pneumonia Detection: Enabling Collaborative Diagnosis Without Sharing Patient Data
von: Jimenez-Gutierrez, Daniel M., et al.
Veröffentlicht: (2025)

Linkage on Security, Privacy and Fairness in Federated Learning: New Balances and New Perspectives
von: Wang, Linlin, et al.
Veröffentlicht: (2024)

VerifiableFL: Verifiable Claims for Federated Learning using Exclaves
von: Guo, Jinnan, et al.
Veröffentlicht: (2024)

Verifiable Homomorphic Linear Combinations in Multi-Instance Time-Lock Puzzles
von: Abadi, Aydin
Veröffentlicht: (2024)

Toward Malicious Clients Detection in Federated Learning
von: Dou, Zhihao, et al.
Veröffentlicht: (2025)

Adaptive Verifiable Coded Computing: Towards Fast, Secure and Private Distributed Machine Learning
von: Tang, Tingting, et al.
Veröffentlicht: (2021)

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

D2M: A Decentralized, Privacy-Preserving, Incentive-Compatible Data Marketplace for Collaborative Learning
von: Srivastava, Yash, et al.
Veröffentlicht: (2025)

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

DisAgg: Distributed Aggregators for Efficient Secure Aggregation in Federated Learning
von: Mehmood, Haaris, et al.
Veröffentlicht: (2026)

End-to-End Verifiable Decentralized Federated Learning
von: Lee, Chaehyeon, et al.
Veröffentlicht: (2024)

Enhancing Security in Federated Learning through Adaptive Consensus-Based Model Update Validation
von: Alsulaimawi, Zahir
Veröffentlicht: (2024)

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

Federated Multi-Task Learning on Non-IID Data Silos: An Experimental Study
von: Yang, Yuwen, et al.
Veröffentlicht: (2024)

Adaptive Differential Privacy in Federated Learning: A Priority-Based Approach
von: Talaei, Mahtab, et al.
Veröffentlicht: (2024)

Enhancing Federated Learning with Adaptive Differential Privacy and Priority-Based Aggregation
von: Talaei, Mahtab, et al.
Veröffentlicht: (2024)

SecureAFL: Secure Asynchronous Federated Learning
von: Gao, Anjun, et al.
Veröffentlicht: (2026)

Federated Classification in Hyperbolic Spaces via Secure Aggregation of Convex Hulls
von: Prakash, Saurav, et al.
Veröffentlicht: (2023)