Buchumschlag

Enhanced Privacy and Communication Efficiency in Non-IID Federated Learning with Adaptive Quantization and Differential Privacy

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ardıç, Emre, Genç, Yakup
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Sample Selection Using Multi-Task Autoencoders in Federated Learning with Non-IID Data
von: Ardıç, Emre, et al.
Veröffentlicht: (2026)

Adaptive Dual-Mode Distillation with Incentive Schemes for Scalable, Heterogeneous Federated Learning on Non-IID Data
von: Iqbal, Zahid
Veröffentlicht: (2025)

FPPL: An Efficient and Non-IID Robust Federated Continual Learning Framework
von: He, Yuchen, et al.
Veröffentlicht: (2024)

Generalizable Hyperparameter Optimization for Federated Learning on Non-IID Cancer Images
von: Ribeiro, Elisa Gonçalves, et al.
Veröffentlicht: (2026)

Proof of Reasoning for Privacy Enhanced Federated Blockchain Learning at the Edge
von: Calo, James, et al.
Veröffentlicht: (2026)

One-Shot Sequential Federated Learning for Non-IID Data by Enhancing Local Model Diversity
von: Wang, Naibo, et al.
Veröffentlicht: (2024)

Logit Calibration and Feature Contrast for Robust Federated Learning on Non-IID Data
von: Qiao, Yu, et al.
Veröffentlicht: (2024)

FedBKD: Distilled Federated Learning to Embrace Gerneralization and Personalization on Non-IID Data
von: Zhao, Yushan, et al.
Veröffentlicht: (2025)

Federated Learning for Privacy-Preserving Medical AI
von: Hoang, Tin
Veröffentlicht: (2026)

A Systematic Comparison of Training Objectives for Out-of-Distribution Detection in Image Classification
von: Genç, Furkan, et al.
Veröffentlicht: (2026)

A New Perspective on Privacy Protection in Federated Learning with Granular-Ball Computing
von: Lai, Guannan, et al.
Veröffentlicht: (2025)

Studying Various Activation Functions and Non-IID Data for Machine Learning Model Robustness
von: Dang, Long, et al.
Veröffentlicht: (2025)

PATE-TripleGAN: Privacy-Preserving Image Synthesis with Gaussian Differential Privacy
von: Jiang, Zepeng, et al.
Veröffentlicht: (2024)

FedDistill: Global Model Distillation for Local Model De-Biasing in Non-IID Federated Learning
von: Song, Changlin, et al.
Veröffentlicht: (2024)

Learning Privacy from Visual Entities
von: Xompero, Alessio, et al.
Veröffentlicht: (2025)

Explainable Differential Privacy-Hyperdimensional Computing for Balancing Privacy and Transparency in Additive Manufacturing Monitoring
von: Piran, Fardin Jalil, et al.
Veröffentlicht: (2024)

FissionVAE: Federated Non-IID Image Generation with Latent Space and Decoder Decomposition
von: Hu, Chen, et al.
Veröffentlicht: (2024)

Navigating Heterogeneity and Privacy in One-Shot Federated Learning with Diffusion Models
von: Mendieta, Matias, et al.
Veröffentlicht: (2024)

Taming Noise-Induced Prototype Degradation for Privacy-Preserving Personalized Federated Fine-Tuning
von: Wang, Yuhua, et al.
Veröffentlicht: (2026)

NeurIPS 2023 Competition: Privacy Preserving Federated Learning Document VQA
von: Tobaben, Marlon, et al.
Veröffentlicht: (2024)

Personalized Federated Training of Diffusion Models with Privacy Guarantees
von: Patel, Kumar Kshitij, et al.
Veröffentlicht: (2025)

Redefining non-IID Data in Federated Learning for Computer Vision Tasks: Migrating from Labels to Embeddings for Task-Specific Data Distributions
von: Borazjani, Kasra, et al.
Veröffentlicht: (2025)

On Responsible Machine Learning Datasets with Fairness, Privacy, and Regulatory Norms
von: Mittal, Surbhi, et al.
Veröffentlicht: (2023)

Federated Learning With Individualized Privacy Through Client Sampling
von: Lange, Lucas, et al.
Veröffentlicht: (2025)

HierSFL: Local Differential Privacy-aided Split Federated Learning in Mobile Edge Computing
von: Quan, Minh K., et al.
Veröffentlicht: (2024)

Privacy-Preserving Model Transcription with Differentially Private Synthetic Distillation
von: Liu, Bochao, et al.
Veröffentlicht: (2026)

Federated Knowledge Recycling: Privacy-Preserving Synthetic Data Sharing
von: Lomurno, Eugenio, et al.
Veröffentlicht: (2024)

Avoid Forgetting by Preserving Global Knowledge Gradients in Federated Learning with Non-IID Data
von: Chunduru, Abhijit, et al.
Veröffentlicht: (2025)

Amplified Patch-Level Differential Privacy for Free via Random Cropping
von: Durmaz, Kaan, et al.
Veröffentlicht: (2026)

Differentially Private Neural Tangent Kernels for Privacy-Preserving Data Generation
von: Yang, Yilin, et al.
Veröffentlicht: (2023)

PARDON: Privacy-Aware and Robust Federated Domain Generalization
von: Nguyen, Dung Thuy, et al.
Veröffentlicht: (2024)

Domain-incremental White Blood Cell Classification with Privacy-aware Continual Learning
von: Kumari, Pratibha, et al.
Veröffentlicht: (2025)

Privacy-Aware Federated nnU-Net for ECG Page Digitization
von: Nemati, Nader
Veröffentlicht: (2025)

PRISM: Privacy-Preserving Improved Stochastic Masking for Federated Generative Models
von: Seo, Kyeongkook, et al.
Veröffentlicht: (2025)

Privacy Attacks on Image AutoRegressive Models
von: Kowalczuk, Antoni, et al.
Veröffentlicht: (2025)

Neural Collapse Meets Differential Privacy: Curious Behaviors of NoisyGD with Near-perfect Representation Learning
von: Wang, Chendi, et al.
Veröffentlicht: (2024)

Privacy-Preserving Student Learning with Differentially Private Data-Free Distillation
von: Liu, Bochao, et al.
Veröffentlicht: (2024)

Towards Privacy-Guaranteed Label Unlearning in Vertical Federated Learning: Few-Shot Forgetting without Disclosure
von: Gu, Hanlin, et al.
Veröffentlicht: (2024)

Enhancing Privacy Preservation and Reducing Analysis Time with Federated Transfer Learning in Digital Twins-based Computed Tomography Scan Analysis
von: Jan, Avais, et al.
Veröffentlicht: (2025)

Recoverable Anonymization for Pose Estimation: A Privacy-Enhancing Approach
von: Huang, Wenjun, et al.
Veröffentlicht: (2024)