Buchumschlag

JSAM: Privacy Straggler-Resilient Joint Client Selection and Incentive Mechanism Design in Differentially Private Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Ruichen, Zhang, Ying-Jun Angela, Huang, Jianwei
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Distributed, Parallel, and Cluster Computing Computer Science and Game Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Tackling Privacy Heterogeneity in Differentially Private Federated Learning
von: Xu, Ruichen, et al.
Veröffentlicht: (2026)

Design of Two-Level Incentive Mechanisms for Hierarchical Federated Learning
von: Chu, Shunfeng, et al.
Veröffentlicht: (2023)

Lightweight Federated Learning with Differential Privacy and Straggler Resilience
von: Hong, Shu, et al.
Veröffentlicht: (2024)

Mechanism Design for Federated Learning with Non-Monotonic Network Effects
von: Li, Xiang, et al.
Veröffentlicht: (2026)

Multi-Hop Privacy Propagation for Differentially Private Federated Learning in Social Networks
von: Lin, Chenchen, et al.
Veröffentlicht: (2025)

IMFL-AIGC: Incentive Mechanism Design for Federated Learning Empowered by Artificial Intelligence Generated Content
von: Huang, Guangjing, et al.
Veröffentlicht: (2024)

Designing Local Distributed Mechanisms
von: Hirvonen, Juho, et al.
Veröffentlicht: (2024)

Incentive Allocation in Vertical Federated Learning Based on Bankruptcy Problem
von: Khan, Afsana, et al.
Veröffentlicht: (2023)

Towards Realistic Mechanisms That Incentivize Federated Participation and Contribution
von: Bornstein, Marco, et al.
Veröffentlicht: (2023)

Cooperate to Compete: Strategic Data Generation and Incentivization Framework for Coopetitive Cross-Silo Federated Learning
von: Nguyen, Thanh Linh, et al.
Veröffentlicht: (2026)

Federated Assemblies
von: Halpern, Daniel, et al.
Veröffentlicht: (2024)

Mosaic: Client-driven Account Allocation Framework in Sharded Blockchains
von: Zhang, Yuanzhe, et al.
Veröffentlicht: (2025)

Straggler Tolerant and Resilient DL Training on Homogeneous GPUs
von: Zhang, Zeyu, et al.
Veröffentlicht: (2025)

A Treatment of EIP-1559: Enhancing Transaction Fee Mechanism through Nth-Price Auction
von: Li, Kun, et al.
Veröffentlicht: (2024)

Adaptra: Straggler-Resilient Hybrid-Parallel Training with Pipeline Adaptation
von: Wu, Tianyuan, et al.
Veröffentlicht: (2025)

dSTAR: Straggler Tolerant and Byzantine Resilient Distributed SGD
von: Yan, Jiahe, et al.
Veröffentlicht: (2024)

Role-Selection Game in Block Production under Proposer-Builder Separation
von: Li, Yanzhen, et al.
Veröffentlicht: (2025)

Transaction Fee Market Design for Parallel Execution
von: Acilan, Bahar, et al.
Veröffentlicht: (2025)

Communication-Efficient Multimodal Federated Learning: Joint Modality and Client Selection
von: Yuan, Liangqi, et al.
Veröffentlicht: (2024)

Rationally Analyzing Shelby: Proving Incentive Compatibility in a Decentralized Storage Network
von: Crystal, Michael, et al.
Veröffentlicht: (2025)

FEDBUD: Joint Incentive and Privacy Optimization for Resource-Constrained Federated Learning
von: Liu, Tao, et al.
Veröffentlicht: (2026)

FedCross: Intertemporal Federated Learning Under Evolutionary Games
von: Lu, Jianfeng, et al.
Veröffentlicht: (2024)

Malleus: Straggler-Resilient Hybrid Parallel Training of Large-scale Models via Malleable Data and Model Parallelization
von: Li, Haoyang, et al.
Veröffentlicht: (2024)

Data Heterogeneity-Aware Client Selection for Federated Learning in Wireless Networks
von: Yang, Yanbing, et al.
Veröffentlicht: (2025)

CoCoI: Distributed Coded Inference System for Straggler Mitigation
von: Liu, Xing, et al.
Veröffentlicht: (2025)

FACT or Fiction: Can Truthful Mechanisms Eliminate Federated Free Riding?
von: Bornstein, Marco, et al.
Veröffentlicht: (2024)

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

Distributed Agreement in the Arrovian Framework
von: Wood, Kenan, et al.
Veröffentlicht: (2024)

Effective Two-Stage Double Auction for Dynamic Resource Provision over Edge Networks via Discovering The Power of Overbooking
von: Wu, Sicheng, et al.
Veröffentlicht: (2025)

A mechanism design overview of Sedna
von: Marsh, Benjamin, et al.
Veröffentlicht: (2026)

Distributed MIS Algorithms for Rational Agents using Games
von: Salevemula, Nithin, et al.
Veröffentlicht: (2025)

A Management Framework for Vehicular Cloudtoward Economic and Environmental Efficiency
von: Patanè, Rosario, et al.
Veröffentlicht: (2025)

SNARE: A TRAP for Rational Players to Solve Byzantine Consensus in the 5f+1 Model
von: Ranchal-Pedrosa, Alejandro, et al.
Veröffentlicht: (2026)

Elastic Restaking Networks
von: Bar-Zur, Roi, et al.
Veröffentlicht: (2025)

Towards Rational Consensus in Honest Majority
von: Srivastava, Varul, et al.
Veröffentlicht: (2024)

Timing Games in Responsive Consensus Protocols
von: Alpturer, Kaya, et al.
Veröffentlicht: (2025)

Balancing incentives in committee-based blockchains
von: Baloochestani, Arian, et al.
Veröffentlicht: (2025)

Computing the Schulze Method for Large-Scale Preference Data Sets
von: Csar, Theresa, et al.
Veröffentlicht: (2025)

Dynamic Fee for Reducing Impermanent Loss in Decentralized Exchanges
von: Lebedeva, Irina, et al.
Veröffentlicht: (2025)

Centralization in Proof-of-Stake Blockchains: A Game-Theoretic Analysis of Bootstrapping Protocols
von: Srivastava, Varul, et al.
Veröffentlicht: (2024)