Buchumschlag

CQSA: Byzantine-robust Clustered Quantum Secure Aggregation in Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nath, Arnab, Kasyap, Harsh
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Byzantine-Robust Aggregation for Securing Decentralized Federated Learning
von: Cajaraville-Aboy, Diego, et al.
Veröffentlicht: (2024)

Fairness-Constrained Optimization Attack in Federated Learning
von: Kasyap, Harsh, et al.
Veröffentlicht: (2025)

Delayed Momentum Aggregation: Communication-efficient Byzantine-robust Federated Learning with Partial Participation
von: Otsuka, Kaoru, et al.
Veröffentlicht: (2025)

Byzantine-Robust Federated Learning with Learnable Aggregation Weights
von: Parsa, Javad, et al.
Veröffentlicht: (2025)

Dynamic Meta-Layer Aggregation for Byzantine-Robust Federated Learning
von: Das, Reek, et al.
Veröffentlicht: (2026)

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

H+: An Efficient Similarity-Aware Aggregation for Byzantine Resilient Federated Learning
von: Zuo, Shiyuan, et al.
Veröffentlicht: (2025)

Byzantine-Robust Federated Learning Framework with Post-Quantum Secure Aggregation for Real-Time Threat Intelligence Sharing in Critical IoT Infrastructure
von: Rahmati, Milad, et al.
Veröffentlicht: (2026)

Cellular Traffic Prediction via Byzantine-robust Asynchronous Federated Learning
von: Ma, Hui, et al.
Veröffentlicht: (2025)

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

Enhancing Federated Learning Through Secure Cluster-Weighted Client Aggregation
von: Ranaweera, Kanishka, et al.
Veröffentlicht: (2025)

Byzantine-Robust Federated Learning: An Overview With Focus on Developing Sybil-based Attacks to Backdoor Augmented Secure Aggregation Protocols
von: Deshmukh, Atharv
Veröffentlicht: (2024)

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

FedGreed: A Byzantine-Robust Loss-Based Aggregation Method for Federated Learning
von: Kritharakis, Emmanouil, et al.
Veröffentlicht: (2025)

BadSampler: Harnessing the Power of Catastrophic Forgetting to Poison Byzantine-robust Federated Learning
von: Liu, Yi, et al.
Veröffentlicht: (2024)

Do We Really Need to Design New Byzantine-robust Aggregation Rules?
von: Fang, Minghong, et al.
Veröffentlicht: (2025)

Hi-SAFE: Hierarchical Secure Aggregation for Lightweight Federated Learning
von: Joo, Hyeong-Gun, et al.
Veröffentlicht: (2025)

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

Practical Validity Conditions for Byzantine-Tolerant Federated Learning
von: Cambus, Mélanie, et al.
Veröffentlicht: (2026)

Byzantine Resilient Federated Multi-Task Representation Learning
von: Le, Tuan, et al.
Veröffentlicht: (2025)

BOBA: Byzantine-Robust Federated Learning with Label Skewness
von: Bao, Wenxuan, et al.
Veröffentlicht: (2022)

Fedcompass: Federated Clustered and Periodic Aggregation Framework for Hybrid Classical-Quantum Models
von: Wang, Yueheng, et al.
Veröffentlicht: (2026)

Achieving Byzantine-Resilient Federated Learning via Layer-Adaptive Sparsified Model Aggregation
von: Xu, Jiahao, et al.
Veröffentlicht: (2024)

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)

Automated Byzantine-Resilient Clustered Decentralized Federated Learning for Battery Intelligence in Connected EVs
von: Bouchiha, Mouhamed Amine, et al.
Veröffentlicht: (2026)

Stream-CQSA: Avoiding Out-of-Memory in Attention Computation via Flexible Workload Scheduling
von: Bian, Yiming, et al.
Veröffentlicht: (2026)

Exploit Gradient Skewness to Circumvent Byzantine Defenses for Federated Learning
von: Liu, Yuchen, et al.
Veröffentlicht: (2025)

Nesterov-Accelerated Robust Federated Learning Over Byzantine Adversaries
von: Xu, Lihan, et al.
Veröffentlicht: (2025)

Coding-Enforced Resilient and Secure Aggregation for Hierarchical Federated Learning
von: Weng, Shudi, et al.
Veröffentlicht: (2026)

Uncovering Attacks and Defenses in Secure Aggregation for Federated Deep Learning
von: Zhang, Yiwei, et al.
Veröffentlicht: (2024)

Asynchronous Byzantine Federated Learning
von: Cox, Bart, et al.
Veröffentlicht: (2024)

Byzantine-Resilient Federated Learning via Distributed Optimization
von: Xia, Yufei, et al.
Veröffentlicht: (2025)

Coded Robust Aggregation for Distributed Learning under Byzantine Attacks
von: Li, Chengxi, et al.
Veröffentlicht: (2025)

Benchmarking Mutual Information-based Loss Functions in Federated Learning
von: S, Sarang, et al.
Veröffentlicht: (2025)

Rethinking Byzantine Robustness in Federated Recommendation from Sparse Aggregation Perspective
von: Zhang, Zhongjian, et al.
Veröffentlicht: (2025)

Robust Federated Learning via Byzantine Filtering over Encrypted Updates
von: Bendoukha, Adda Akram, et al.
Veröffentlicht: (2026)

Byzantine-Robust Federated Learning: Impact of Client Subsampling and Local Updates
von: Allouah, Youssef, et al.
Veröffentlicht: (2024)

BRFL: A Blockchain-based Byzantine-Robust Federated Learning Model
von: Li, Yang, et al.
Veröffentlicht: (2023)

Embedding Byzantine Fault Tolerance into Federated Learning via Consistency Scoring
von: Lee, Youngjoon, et al.
Veröffentlicht: (2024)

Centroid Approximation for Byzantine-Tolerant Federated Learning
von: Cambus, Mélanie, et al.
Veröffentlicht: (2025)