Buchumschlag

On Resilient and Efficient Linear Secure Aggregation in Hierarchical Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Weng, Shudi, Zhang, Xiang, Zhao, Yizhou, Caire, Giuseppe, Xiao, Ming, Skoglund, Mikael
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Cooperative Gradient Coding
von: Weng, Shudi, et al.
Veröffentlicht: (2025)

Biased Compression in Gradient Coding for Distributed Learning
von: Li, Chengxi, et al.
Veröffentlicht: (2026)

Hierarchical Secure Aggregation with Heterogeneous Security Constraints and Arbitrary User Collusion
von: Li, Zhou, et al.
Veröffentlicht: (2025)

Fundamental Limits of Hierarchical Secure Aggregation with Cyclic User Association
von: Zhang, Xiang, et al.
Veröffentlicht: (2025)

Distributed Learning based on 1-Bit Gradient Coding in the Presence of Stragglers
von: Li, Chengxi, et al.
Veröffentlicht: (2024)

Byzantine-Robust and Communication-Efficient Distributed Training: Compressive and Cyclic Gradient Coding
von: Li, Chengxi, et al.
Veröffentlicht: (2026)

Information-Theoretic Decentralized Secure Aggregation with Passive Collusion Resilience
von: Zhang, Xiang, et al.
Veröffentlicht: (2025)

Communication-Efficient Model Aggregation with Layer Divergence Feedback in Federated Learning
von: Wang, Liwei, et al.
Veröffentlicht: (2024)

Divergence-Based Adaptive Aggregation for Byzantine Robust Federated Learning
von: Xiao, Bingnan, et al.
Veröffentlicht: (2026)

One-Bit Model Aggregation for Differentially Private and Byzantine-Robust Personalized Federated Learning
von: Lan, Muhang, et al.
Veröffentlicht: (2025)

Communication-and-Computation Efficient Split Federated Learning: Gradient Aggregation and Resource Management
von: Liang, Yipeng, et al.
Veröffentlicht: (2025)

ByzSecAgg: A Byzantine-Resistant Secure Aggregation Scheme for Federated Learning Based on Coded Computing and Vector Commitment
von: Jahani-Nezhad, Tayyebeh, et al.
Veröffentlicht: (2023)

Distributed Linearly Separable Computation with Arbitrary Heterogeneous Data Assignment
von: Zhang, Ziting, et al.
Veröffentlicht: (2026)

Sentinel: An Aggregation Function to Secure Decentralized Federated Learning
von: Feng, Chao, et al.
Veröffentlicht: (2023)

CroSatFL: Energy-Efficient Federated Learning with Cross-Aggregation for Satellite Edge Computing
von: Yang, Nan, et al.
Veröffentlicht: (2026)

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

ACCESS-FL: Agile Communication and Computation for Efficient Secure Aggregation in Stable Federated Learning Networks
von: Nazemi, Niousha, et al.
Veröffentlicht: (2024)

Asynchronous Secure Federated Learning with Byzantine aggregators
von: Del Pozzo, Antonella, et al.
Veröffentlicht: (2026)

Inference Load-Aware Orchestration for Hierarchical Federated Learning
von: Lackinger, Anna, et al.
Veröffentlicht: (2024)

Efficient Hierarchical Storage Management Framework Empowered by Reinforcement Learning
von: Zhang, Tianru, et al.
Veröffentlicht: (2022)

A Semi-Supervised Federated Learning Framework with Hierarchical Clustering Aggregation for Heterogeneous Satellite Networks
von: Liu, Zhuocheng, et al.
Veröffentlicht: (2025)

Robust Federated Fine-Tuning in Heterogeneous Networks with Unreliable Connections: An Aggregation View
von: Wang, Yanmeng, et al.
Veröffentlicht: (2025)

Energy-Efficient Wireless Federated Learning via Doubly Adaptive Quantization
von: Han, Xuefeng, et al.
Veröffentlicht: (2024)

Efficient Model Compression for Hierarchical Federated Learning
von: Zhu, Xi, et al.
Veröffentlicht: (2024)

An Empirical Analysis of Secure Federated Learning for Autonomous Vehicle Applications
von: Mia, Md Jueal, et al.
Veröffentlicht: (2025)

Breaking the Aggregation Bottleneck in Federated Recommendation: A Personalized Model Merging Approach
von: Chen, Jundong, et al.
Veröffentlicht: (2025)

Federated Learning as a Service for Hierarchical Edge Networks with Heterogeneous Models
von: Gao, Wentao, et al.
Veröffentlicht: (2024)

Efficient Multi-Worker Selection based Distributed Swarm Learning via Analog Aggregation
von: Yao, Zhuoyu, et al.
Veröffentlicht: (2025)

sat-QFL: Secure Quantum Federated Learning for Low Orbit Satellites
von: Gurung, Dev, et al.
Veröffentlicht: (2025)

TACTFL: Temporal Contrastive Training for Multi-modal Federated Learning with Similarity-guided Model Aggregation
von: Sun, Guanxiong, et al.
Veröffentlicht: (2025)

Private Aggregation for Byzantine-Resilient Heterogeneous Federated Learning
von: Egger, Maximilian, et al.
Veröffentlicht: (2025)

FedHC: A Hierarchical Clustered Federated Learning Framework for Satellite Networks
von: Liu, Zhuocheng, et al.
Veröffentlicht: (2025)

Evaluation Framework for Centralized and Decentralized Aggregation Algorithm in Federated Systems
von: Chongder, Sumit
Veröffentlicht: (2025)

Efficient Federated Learning against Byzantine Attacks and Data Heterogeneity via Aggregating Normalized Gradients
von: Zuo, Shiyuan, et al.
Veröffentlicht: (2024)

Device Scheduling and Assignment in Hierarchical Federated Learning for Internet of Things
von: Zhang, Tinghao, et al.
Veröffentlicht: (2024)

Byzantine-Resilient Secure Aggregation for Federated Learning Without Privacy Compromises
von: Xia, Yue, et al.
Veröffentlicht: (2024)

DSFL: A Dual-Server Byzantine-Resilient Federated Learning Framework via Group-Based Secure Aggregation
von: Herath, Charuka, et al.
Veröffentlicht: (2025)

SVAFD: A Secure and Verifiable Co-Aggregation Protocol for Federated Distillation
von: Wen, Tian, et al.
Veröffentlicht: (2025)

HLoRA: Efficient Federated Learning System for LLM Heterogeneous Fine-Tuning
von: Liu, Qianli, et al.
Veröffentlicht: (2025)

Robust Model Aggregation for Heterogeneous Federated Learning: Analysis and Optimizations
von: Shao, Yumeng, et al.
Veröffentlicht: (2024)