Awesome FL
v2024-beta
目次
FL 論文の更新を自動的に追跡するために別のプロジェクトを使用します。必要に応じて FL-paper-update-tracker をクリックしてください。
さらに多くのアイテムがリポジトリに追加されます。問題レポートを開くか、プル リクエストを送信するか、@ ([email protected]) にメールを送って、他の主要なリソースをお気軽に提案してください。フェデレーテッド ラーニングの分野でさらに多くの友達とコミュニケーションを取りたい場合は、QQ グループ [联邦学习交流群] に参加してください。グループ番号は 833638275 です。楽しんで読んでください。
リポジトリ更新のお知らせ
2024/09/30
ユーザーの皆様、このオープンソース リポジトリに影響を与えるいくつかの変更についてお知らせいたします。オーナーであり主な寄稿者である @youngfish42 は博士課程を無事に修了しましたか? 2024 年 9 月 30 日現在、研究の焦点を移しています。この状況の変化は、リポジトリの論文リストの更新の頻度と範囲に影響を与えます。
以前の定期的な更新の代わりに、紙のリストは毎月または四半期ごとに更新される予定です。さらに、これらの更新の深さは減少します。たとえば、著者の所属機関やオープン ソース コードに関連する更新は、積極的に維持されなくなります。
これがこのリポジトリから得られる価値に影響を与える可能性があることを理解しています。したがって、コンテンツの更新に参加していただくために、より多くの寄稿者を歓迎いたします。この共同作業により、リポジトリがすべての人にとって貴重なリソースであり続けることが保証されます。
ご理解を賜りますようお願い申し上げます。今後ともご支援とご貢献を賜りますようお願い申し上げます。
よろしくお願いします、
白小鱼（若魚）
カテゴリ
人工知能 (IJCAI、AAAI、AISTATS、ALT、AI)
機械学習 (NeurIPS、ICML、ICLR、COLT、UAI、機械学習、JMLR、TPAMI)
データマイニング (KDD、WSDM)
安全 (S&P、CCS、USENIX セキュリティ、NDSS)
コンピュータビジョン (ICCV、CVPR、ECCV、MM、IJCV)
自然言語処理 (ACL、EMNLP、NAACL、COLING)
情報検索 (SIGIR)
データベース (SIGMOD、ICDE、VLDB)
ネットワーク (SIGCOMM、INFOCOM、MOBICOM、NSDI、WWW)
システム (OSDI、SOSP、ISCA、MLSys、EuroSys、TPDS、DAC、TOCS、TOS、TCAD、TC)
その他（ICSE、FOCS、STOC）
| 会場 | 2024～2020年 | 2020年以前 |
|---|---|---|
| IJCAI | 24、23、22、21、20 | 19 |
| あああ | 24、23、22、21、20 | - |
| AISTATS | 24、23、22、21、20 | - |
| オルタナティブ | 22 | - |
| あい(J) | 23 | - |
| NeurIPS | 24、23、22、21、20 | 18、17 |
| ICML | 24、23、22、21、20 | 19 |
| ICLR | 24、23、22、21、20 | - |
| コルト | 23 | - |
| UAI | 23、22、21 | - |
| 機械学習 (J) | 24、23、22 | - |
| JMLR(J) | 24、23、22 | - |
| TPAMI(J) | 25、24、23、22 | - |
| KDD | 24、23、22、21、20 | |
| WSDM | 24、23、22、21 | 19 |
| S&P | 24、23、22 | 19 |
| CCS | 24、23、22、21、19 | 17 |
| USENIXセキュリティ | 23、22、20 | - |
| NDSS | 24、23、22、21 | - |
| CVPR | 24、23、22、21 | - |
| ICCV | 23,21 | - |
| ECCV | 24、22、20 | - |
| MM | 24、23、22、21、20 | - |
| IJCV(J) | 24 | - |
| ACL | 23、22、21 | 19 |
| NAACL | 24、22、21 | - |
| EMNLP | 24、23、22、21、20 | - |
| コーリング | 20 | - |
| シギル | 24、23、22、21、20 | - |
| シグモッド | 22、21 | - |
| ICDE | 24、23、22、21 | - |
| VLDB | 23、22、21、21、20 | - |
| シグコム | - | - |
| インフォコム | 24、23、22、21、20 | 19、18 |
| モビコム | 24、23、22、21、20 | |
| NSDI | 23(1,2) | - |
| WWW | 24、23、22、21 | |
| OSDI | 21 | - |
| SOSP | 21 | - |
| イスカ | 24 | - |
| MLSys | 24、23、22、20 | 19 |
| ユーロシス | 24、23、22、21、20 | |
| TPDS(J) | 24、23、22、21、20 | - |
| DAC | 24、22、21 | - |
| TOCS | - | - |
| 利用規約 | - | - |
| TCAD | 24、23、22、21 | - |
| TC | 24、23、22、21 | - |
| ICSE | 23、21 | - |
| FOCS | - | - |
| 在庫 | - | - |
キーワード
統計: コードが利用可能で、星が 100 以上 |引用数 >= 50 | ?一流の会場
kg. : ナレッジグラフ | data. : データセット | surv. ： 調査
Nature (およびそのサブジャーナル)、Cell、Science (および Science Advances)、および PANS におけるフェデレーテッド ラーニングの論文は、WOS 検索エンジンを指します。
| タイトル | 所属 | 会場 | 年 | 材料 |
|---|---|---|---|---|
| MatSwarm: 安全なビッグデータ共有のための信頼できるスウォーム転送学習主導の材料計算 | USTB; NTU | ナット。共通。 | 2024年 | [パブ] [コード] |
| フェデレーション分割学習を介してスマート メーターにエッジ インテリジェンスを導入 | HKU | ナット。共通。 | 2024年 | [パブ] [新闻] |
| 小児脳腫瘍に対するフェデレーテッド ラーニング AI プラットフォームを発表する国際研究 | スタンフォード大学 | ナット。共通。 | 2024年 | [パブ] [コード] |
| PPML-Omics: プライバシーを保護するフェデレーテッド機械学習手法により、オミクスデータにおける患者のプライバシーが保護されます。 | カウスト | 科学の進歩 | 2024年 | [パブ] [コード] |
| フェデレーション ラーニングはデータ倫理の万能薬ではありません | タム; UVA | ナット。マッハ。知性(コメント) | 2024年 | [パブ] |
| 胃がん術後再発の高リスク患者を特定するための堅牢な連合学習モデル | 江門中央病院。桂林航空宇宙技術大学。桂林電子技術大学。 | ナット。共通。 | 2024年 | [パブ] [コード] |
| 優れた教師なしでプライバシーを保護するフェデレーション蒸留のための選択的な知識の共有 | HKUST | ナット。共通。 | 2024年 | [PUB] [PDF] [コード] |
| ヨーロッパにおける高精度腫瘍学のための連合学習システム: DigiONE | IQVIA キャンサー リサーチ BV | ナット。医学。 （コメント） | 2024年 | [パブ] |
| Qline アーキテクチャによるマルチクライアント分散ブラインド量子計算 | ローマ・サピエンツァ大学 | ナット。共通。 | 2023年 | [PUB] [PDF] |
| デバイスに依存しない量子ランダム性 - 強化されたゼロ知識証明 | USTC | PNAS | 2023年 | [PUB] [PDF] [新闻] |
| 連合機械学習による収益性の高い直接リサイクルを実現する、協力的でプライバシーを保護した廃バッテリーの仕分け | 清華大学 | ナット。共通。 | 2023年 | [パブ] |
| 神経データのプライバシーと神経テクノロジーの規制を提唱 | コロンビア大学 | ナット。プロトック。 （視点） | 2023年 | [パブ] |
| MedPerf を使用した医療用人工知能のフェデレーテッド ベンチマーク | IHU ストラスブール;ストラスブール大学;ダナ・ファーバー癌研究所;ワイル・コーネル医学;ハーバード大学THチャン公衆衛生大学院;マサチューセッツ工科大学;インテル | ナット。マッハ。知性。 | 2023年 | [PUB] [PDF] [コード] |
| 医療およびヘルスケア向け人工知能におけるアルゴリズムの公平性 | ハーバード大学医学部;ハーバード大学ブロード研究所およびマサチューセッツ工科大学。ダナ・ファーバーがん研究所 | ナット。バイオメッド。工学（視点） | 2023年 | [PUB] [PDF] |
| フェデレーション ラーニングのための差分プライベート知識伝達 | 木 | ナット。共通。 | 2023年 | [パブ] [コード] |
| プロキシモデル共有による分散型フェデレーションラーニング | レイヤ 6 AI;ウォータールー大学;ベクトル研究所 | ナット。共通。 | 2023年 | [PUB] [PDF] [コード] |
| データ保護に準拠した研究における連携機械学習 | ハンブルク大学 | ナット。マッハ。知性(コメント) | 2023年 | [パブ] |
| トリプルネガティブ乳がんにおける術前化学療法に対する組織学的反応を予測するための連合学習 | オーキン | ナット。医学。 | 2023年 | [パブ] [コード] |
| フェデレーションラーニングにより、希少がんの境界検出のためのビッグデータが可能になります | ペンシルベニア大学 | ナット。共通。 | 2022年 | [PUB] [PDF] [コード] |
| 連合学習と先住民族のゲノムデータ主権 | ハグフェイス | ナット。マッハ。知性。 （コメント） | 2022年 | [パブ] |
| 教師なし脳異常検出のためのフェデレーテッド解もつれ表現学習 | タム | ナット。マッハ。知性。 | 2022年 | [PUB] [PDF] [コード] |
| ヘルスケア向けの機械学習を開発から展開、モデルからデータに移行 | スタンフォード大学;グリーンストーン バイオサイエンス | ナット。バイオメッド。工学（総説） | 2022年 | [パブ] |
| プライバシーを保護するパーソナライゼーションのためのフェデレーテッド グラフ ニューラル ネットワーク フレームワーク | 木 | ナット。共通。 | 2022年 | [PUB] [コード] [解读] |
| 知識の蒸留によるコミュニケーション効率の高い連合学習 | 木 | ナット。共通。 | 2022年 | [PUB] [PDF] [コード] |
| ワイヤレスエッジ人工知能のための連合ニューロモーフィック学習を主導する | XMU; NTU | ナット。共通。 | 2022年 | [PUB] [コード] [解读] |
| 世界中に分散され、品質が低く、保護されたプライベート医療データをトレーニングするための新しい分散型フェデレーテッド ラーニング アプローチ | ウロンゴン大学 | 科学。議員 | 2022年 | [パブ] |
| 人工知能におけるプライバシー保護のコラボレーションによる新型コロナウイルス感染症診断の進歩 | ハスト | ナット。マッハ。知性。 | 2021年 | [PUB] [PDF] [コード] |
| 新型コロナウイルス感染症患者の臨床転帰を予測するための連合学習 | MGH 放射線学とハーバード大学医学部 | ナット。医学。 | 2021年 | [パブ] [コード] |
| プライバシーを保護する協調機械学習における敵対的干渉とその軽減 | インペリアル・カレッジ・ロンドン。タム;オープンマイニング | ナット。マッハ。知性（視点） | 2021年 | [パブ] |
| 分散型かつ機密性の高い臨床機械学習のための群学習 | DZNE;ボン大学; | 自然 ？ | 2021年 | [PUB] [コード] [ソフトウェア] [解读] |
| 複数施設の医療画像処理におけるエンドツーエンドのプライバシー保護ディープラーニング | タム;インペリアル・カレッジ・ロンドン。オープンマイニング | ナット。マッハ。知性。 | 2021年 | [PUB] [コード] [解读] |
| コミュニケーション効率の高いフェデレーテッド ラーニング | 香港;プリンストン大学 | パン。 | 2021年 | [パブ] [コード] |
| 合成 X 線写真を使用して医療データ共有の境界を打ち破る | アーヘン工科大学 | 科学。前進。 | 2020年 | [パブ] [コード] |
| 医療画像処理における安全でプライバシーを保護した連携機械学習 | タム;インペリアル・カレッジ・ロンドン。オープンマイニング | ナット。マッハ。知性（視点） | 2020年 | [パブ] |
Federated Learning の論文が、IJCAI(人工知能に関する国際共同会議)、AAAI(人工知能に関するAAAI会議)、AISTATS(人工知能と統計)、ALT(アルゴリズム学習に関する国際会議を含む)を含む、トップのAI(人工知能)会議およびジャーナルに採択されました。理論）、AI（人工知能）。
| タイトル | 所属 | 会場 | 年 | 材料 |
|---|---|---|---|---|
| Tensor 因数分解によるフェデレーテッド マルチビュー クラスタリング | IJCAI | 2024年 | [パブ] | |
| 統合された行列因数分解と K 平均法による効率的なフェデレーテッド マルチビュー クラスタリング | IJCAI | 2024年 | [パブ] | |
| LG-FGAD: 効果的なフェデレーテッド グラフ異常検出フレームワーク | IJCAI | 2024年 | [パブ] | |
| デバイス上の気象財団モデルのフェデレーテッド・プロンプト学習 | IJCAI | 2024年 | [パブ] | |
| システム異質性の障壁を打ち破る: 知識蒸留によるストラグラー耐性マルチモーダル連合学習 | IJCAI | 2024年 | [パブ] | |
| 学習中のアンラーニング: 効率的なフェデレーションマシンのアンラーニング手法 | IJCAI | 2024年 | [パブ] | |
| Federated Learning System 向けの実践的なハイブリッド勾配圧縮 | IJCAI | 2024年 | [パブ] | |
| 適応型変数空間選択によるサンプル品質の異質性を意識したフェデレーテッド因果発見 | IJCAI | 2024年 | [パブ] [コード] | |
| 特徴ノルムの正規化されたフェデレーテッド ラーニング: データの差異を利用してモデルのパフォーマンスを向上 | IJCAI | 2024年 | [パブ] [コード] | |
| 改善された事後ネットワークによるパーソナライズされた連合学習のためのディリクレに基づく不確実性の定量化 | IJCAI | 2024年 | [パブ] | |
| FedConPE: 異種クライアントを使用した効率的なフェデレーテッド会話バンディット | IJCAI | 2024年 | [パブ] | |
| DarkFed: Federated Learning におけるデータフリーのバックドア攻撃 | IJCAI | 2024年 | [パブ] | |
| 分離およびコード化されたシャーディングによるスケーラブルなフェデレーションアンラーニング | IJCAI | 2024年 | [パブ] | |
| プライバシー保護学習のフェデレーテッドによるデュアルターゲット クロスドメイン レコメンデーションの強化 | IJCAI | 2024年 | [パブ] | |
| 垂直フェデレーション学習におけるラベル漏洩: 調査 | IJCAI | 2024年 | [パブ] | |
| フェデレーテッド・インテリジェンスの台頭: フェデレーテッド・ファウンデーション・モデルから集合的インテリジェンスへ | IJCAI | 2024年 | [パブ] | |
| LEAP: 連合形成ゲームを使用した非 IID データの最適化階層型フェデレーテッド ラーニング | IJCAI | 2024年 | [パブ] | |
| EAB-FL: Federated Learning におけるモデル ポイズニング攻撃によるアルゴリズム バイアスの悪化 | IJCAI | 2024年 | [パブ] | |
| Federated Learning における知識の蒸留: 実践ガイド | IJCAI | 2024年 | [パブ] | |
| FedGCS: 勾配ベースの最適化によるフェデレーテッド ラーニングにおける効率的なクライアント選択のための生成フレームワーク | IJCAI | 2024年 | [パブ] | |
| FedPFT: 基盤モデルのフェデレーテッド プロキシ微調整 | IJCAI | 2024年 | [パブ] [コード] | |
| フェデレーションによる半教師あり学習に関する体系的な調査 | IJCAI | 2024年 | [パブ] | |
| オークションベースのフェデレーテッド ラーニングのためのインテリジェント エージェント: 調査 | IJCAI | 2024年 | [パブ] | |
| オークションベースの Federated Learning におけるデータ消費者向けのバイアスのない収益最大化入札戦略 | IJCAI | 2024年 | [パブ] | |
| デュアル キャリブレーション ベースのパーソナライズされたフェデレーション ラーニング | IJCAI | 2024年 | [パブ] | |
| オークションベースのフェデレーテッド ラーニングのためのステークホルダー指向の意思決定サポート | IJCAI | 2024年 | [パブ] | |
| 貢献の再定義: Shapley 主導のフェデレーション ラーニング | IJCAI | 2024年 | [パブ] [コード] | |
| 基礎モデルトレーニングのための効率的なフェデレーション学習方法に関する調査 | IJCAI | 2024年 | [パブ] | |
| 最適化から一般化へ: クライアント間シャープネスマッチングによる品質変化に対する公正なフェデレーテッドラーニング | IJCAI | 2024年 | [パブ] [コード] | |
| FBLG: フェデレーション ラーニングでデュアル スキュー非 IID データを処理するためのローカル グラフ ベースのアプローチ | IJCAI | 2024年 | [パブ] | |
| FedFa: フェデレーテッド ラーニングのための完全に非同期のトレーニング パラダイム | IJCAI | 2024年 | [パブ] | |
| FedSSA: 効率的なモデル異種パーソナライズされたフェデレーテッド ラーニングのためのセマンティック類似性に基づく集約 | IJCAI | 2024年 | [パブ] | |
| FedES: 異種ラベルノイズの記憶を妨げるためのフェデレーション早期停止 | IJCAI | 2024年 | [パブ] | |
| 都市間交通予測のためのパーソナライズされたフェデレーション ラーニング | IJCAI | 2024年 | [パブ] | |
| 基盤モデルベースの推奨事項に対するフェデレーテッド適応 | IJCAI | 2024年 | [パブ] | |
| BADFSS: フェデレーテッド自己教師あり学習に対するバックドア攻撃 | IJCAI | 2024年 | [パブ] | |
| バイアス除去前の推定: フェデレーテッド半教師あり学習における事前バイアスを除去するためのベイジアン アプローチ | IJCAI | 2024年 | [パブ] [コード] | |
| FedTAD: サブグラフ連合学習のためのトポロジーを意識したデータフリーの知識の蒸留 | IJCAI | 2024年 | [パブ] | |
| BOBA: ラベルの歪みを備えたビザンチン堅牢なフェデレーテッド ラーニング | UIUC | AISTATS | 2024年 | [PUB] [PDF] [コード] |
| 異種クライアントを使用したフェデレーテッド・リニア・コンテキスト・バンディット | バージニア大学 | AISTATS | 2024年 | [PUB] [PDF] [コード] |
| 分散差分プライバシーの下でのフェデレーテッド実験設計 | スタンフォード大学;メタ | AISTATS | 2024年 | [PUB] [PDF] [コード] |
| 通信圧縮を備えた分散 SGD を介した異種フェデレーテッド ラーニングにおけるサドル ポイントの回避 | プリンストン大学 | AISTATS | 2024年 | [PUB] [PDF] |
| グラフ上の非同期 SGD: 非同期分散最適化および統合最適化のための統合フレームワーク | インリア | AISTATS | 2024年 | [PUB] [PDF] |
| SIFU: Federated Optimization における効率的で証明可能なクライアントのアンラーニングのための逐次情報に基づいた Federated Unlearning | インリア | AISTATS | 2024年 | [PUB] [PDF] [コード] |
| Federated Learning のための正確な誤差分散による圧縮 | エコール・ポリテクニック | AISTATS | 2024年 | [PUB] [PDF] [コード] |
| 複雑さを軽減した適応型フェデレーテッド・ミニマックス最適化 | ニュージャージー大学; MIIT パターン分析と機械知能の主要研究室 | AISTATS | 2024年 | [PUB] [PDF] |
| 副次的情報による Federated Learning における適応圧縮 | スタンフォード大学;パドバ大学 | AISTATS | 2024年 | [PUB] [PDF] [コード] |
| 任意のターゲットクラス分布に対するオンデマンドのフェデレーテッド ラーニング | UNIST | AISTATS | 2024年 | [パブ] [コード] |
| FedFisher: ワンショットのフェデレーション学習のためのフィッシャー情報の活用 | CMU | AISTATS | 2024年 | [PUB] [PDF] [コード] |
| 非同期 Federated Learning のキューのダイナミクス | ファーウェイ | AISTATS | 2024年 | [PUB] [PDF] |
| パーソナライズされた連邦 X アームド バンディット | パデュー大学 | AISTATS | 2024年 | [PUB] [PDF] [コード] |
| 拡張時間グラフ アテンション ネットワークを利用した異種電子医療記録のフェデレーテッド ラーニング | オックスフォード大学 | AISTATS | 2024年 | [パブ] [コード] |
| Federated Minimax 最適化のための確率的平滑化勾配降下法上昇 | バージニア大学 | AISTATS | 2024年 | [PUB] [PDF] |
| 安定性によるフェデレーテッド ラーニングの一般化の理解: 異質性が重要 | ノースウェスタン大学 | AISTATS | 2024年 | [PUB] [PDF] [コード] |
| プライバシーが重視されるドメインにおけるフェデレーテッド ラーニングから得られる証明可能な相互利益 | ソフィア大学 | AISTATS | 2024年 | [PUB] [PDF] [コード] |
| フェデレーション大規模言語モデルにおけるプライバシー漏洩の分析 | フロリダ大学 | AISTATS | 2024年 | [PUB] [PDF] [コード] |
| フェデレーテッド・バックドア攻撃を防御するための不変アグリゲーター | UIUC | AISTATS | 2024年 | [PUB] [PDF] [コード] |
| データとクライアントの異種混合による通信効率の高いフェデレーテッド ラーニング | ISTA | AISTATS | 2024年 | [PUB] [PDF] [コード] |
| FedMut: 確率的突然変異による一般化されたフェデレーション学習 | NTU | あああ | 2024年 | [パブ] |
| ローカル適応拡張および正則化による部分ラベル学習の連携 | カールトン大学 | あああ | 2024年 | [パブ] [ページ] |
| 偏見はありません！パーソナライズされたレコメンデーションのための公正なフェデレーション グラフ ニューラル ネットワーク | IIT | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| 形式ロジックにより、プロパティ推論を通じてパーソナライズされたフェデレーテッド ラーニングが実現 | ヴァンダービルト大学 | あああ | 2024年 | [PUB] [PDF] |
| 属性推論攻撃に対するフェデレーテッド ラーニングのためのタスクに依存しないプライバシー保護表現学習 | イリノイ工科大学 | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| FairTrade: Federated Learning におけるバランスの取れた精度と公平性の間のパレート最適トレードオフの達成 | ライプニッツ大学 | あああ | 2024年 | [パブ] [ページ] |
| デュアルレギュレーターによるフェデレーテッド半教師あり学習におけるデータの不均衡への対処 | HKUST | あああ | 2024年 | [PUB] [ページ] [PDF] |
| Fed-QSSL: ビット幅とデータ異質性の下でパーソナライズされたフェデレーション ラーニングのためのフレームワーク | ユタ州 | あああ | 2024年 | [PUB] [ページ] [PDF] |
| モダリティ・タスクに依存しないフェデレーテッド・ラーニングのための非対称的知識伝達の解きほぐしについて | バージニア大学 | あああ | 2024年 | [パブ] |
| FedDAT: マルチモーダル異種フェデレーテッド ラーニングにおける基礎モデルの微調整のためのアプローチ | LMU ミュンヘン シーメンス AG | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| 頭部に注意: プロジェクション ヘッドを組み立ててフェデレーテッド モデルの信頼性を保つ | 西安交通大学陝西省人工知能共同重点実験室 | あああ | 2024年 | [PUB] [ページ] [PDF] |
| FedGCR: グループのカスタマイズと再重み付けによる、異なるクライアント タイプでのフェデレーション ラーニングのパフォーマンスと公平性の実現 | NTU | あああ | 2024年 | [パブ] [ページ] [コード] |
| パーソナライズされた脳腫瘍セグメンテーションのためのフェデレーテッドモダリティ固有のエンコーダーとマルチモーダルアンカー | 厦門大学 | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| モデル連結による Federated Learning でのラベル スキューの利用 | NUS | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| 垂直フェデレーテッド ラーニングで機能する堅牢かつプライバシー保護モデルのための補完的な知識の蒸留 | SUST; HKUST | あああ | 2024年 | [パブ] [ページ] |
| 入出力協調抽出による連合学習 | バッファロー大学。米国ハーバード大学医学部 | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| 予測空間におけるベイズ推論を使用した調整済みの 1 ラウンドフェデレーテッド ラーニング | ウォータールー大学ベクトル研究所 | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| FedCSL: 連携因果構造学習へのスケーラブルで正確なアプローチ | HFUT | あああ | 2024年 | [PUB] [PDF] |
| FedFixer: Federated Learning における異種ラベルのノイズを軽減する | 西安交通大学。ライデン大学 | あああ | 2024年 | [PUB] [ページ] [PDF] |
| FedLPS: ローカルパラメータ共有による複数タスクの異種フェデレーション学習 | ニュージャージー大学 | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| 確実に収束するフェデレーテッド トライレベル学習 | TJU | あああ | 2024年 | [PUB] [PDF] |
| パフォーマティブなフェデレーテッド ラーニング: モデル依存型および異種分散シフトに対するソリューション | UM | あああ | 2024年 | [パブ] [ページ] |
| General Commerce Intelligence: 複数の加盟店のプライバシー保護と持続可能なパーソナライズされたサービスのための、グローカルにフェデレーションされた NLP ベースのエンジン | 慶煕大学;ハレックス・インフォテック | あああ | 2024年 | [パブ] [ページ] |
| EMGAN: 分割フェデレーテッド ラーニングにおけるサーバー側モデルの抽出に関するアーリーミックス GAN | ソニーAI | あああ | 2024年 | [パブ] [ページ] [コード] |
| FedDiv: ノイズの多いラベルを使用したフェデレーテッド ラーニングのための協調ノイズ フィルタリング | シス; HKU | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| ヘマトキシリンおよびエオシン染色されたスライド全体画像から乳がん HER2 状態を予測するためのフェデレーテッド ラーニングを備えたポイント トランスフォーマー | USTC; CAS | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| FedNS: フェデレーテッド ラーニングのための高速スケッチ ニュートン タイプ アルゴリズム | CAS | あああ | 2024年 | [PUB] [PDF] [コード] |
| 連邦Xアームドバンディット | パデュー大学 | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| 逐次データを使用したフェデレーテッド ラーニングのアルゴリズム基盤 | GMU | あああ | 2024年 | [パブ] |
| UFDA: 実用的な前提を備えたユニバーサルフェデレーテッドドメイン適応 | XJTU;シドニー大学 | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| FedASMU: 動的古さ認識モデル更新による効率的な非同期フェデレーテッド ラーニング | RoyalFlush Information Network Co を考えてみましょう | あああ | 2024年 | [PUB] [ページ] [PDF] |
| フェデレーテッド・マルチラベル分類のための言語ガイド付きトランスフォーマー | NTU | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| FedCD: デュアル教師によるクラス意識バランスを備えた連合型半教師あり学習 | SZU | あああ | 2024年 | [パブ] [ページ] [コード] |
| 従来の脅威を超えて: Federated Learning に対する持続的なバックドア攻撃 | HEU | あああ | 2024年 | [パブ] [ページ] [コード] |
| ネガティブ蒸留による非常にノイズの多いクライアントでのフェデレーテッド ラーニング | XMU | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| FedST: 非 IID 画像セグメンテーションのためのフェデレーテッド スタイル転移学習 | USTB | あああ | 2024年 | [PUB] [PAGE] [学报] [CODE] |
| PPIDSG: Federated Learning における GAN を使用したプライバシー保護画像配信共有スキーム | USTC | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| スマート シティ向けのプライバシー保護フェデレーション ラーニング (PPFL) ベースのコグニティブ デジタル ツイン (CDT) フレームワーク | DCU | あああ | 2024年 | [パブ] |
| ハイブリッドフェデレーテッドラーニングのための Primal-Dual アルゴリズム | ノースウェスタン大学 | あああ | 2024年 | [PUB] [ページ] [PDF] |
| FedLF: レイヤーごとの公平なフェデレーテッド ラーニング | 香港;深セン社会のための人工知能とロボット工学研究所 | あああ | 2024年 | [パブ] [ページ] |
| インセンティブメカニズムによる公正なグラフ連合学習に向けて | ジュウ; FDU | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| Differentially Private Federated Learning の堅牢性を目指して | 木 | あああ | 2024年 | [パブ] [ページ] |
| 双方向の選択と個人の視点を介してフェデレーテッド ラーニングにおけるバックドア攻撃に対抗する | ジュウ;ファーウェイ | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| 整数で十分: 垂直フェデレーテッド ラーニングが丸められる場合 | ジュウ;アリグループ | あああ | 2024年 | [パブ] [ページ] |
| 異質性とロングテールデータに関する CLIP ガイドのフェデレーテッド ラーニング | XMU | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| マルチドメイン共同学習のためのフェデレーテッド・アダプティブ・プロンプト・チューニング | FDU | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| 多次元の公平なフェデレーション ラーニング | SDU | あああ | 2024年 | [PUB] [ページ] [PDF] |
| HiFi-Gas: 階層型フェデレーテッド ラーニング インセンティブ メカニズム 強化されたガス使用量の推定 | ENNグループ | あああ | 2024年 | [パブ] |
| Federated Learning におけるサーバーの勢いの役割について | バージニア大学 | あああ | 2024年 | [PUB] [PDF] |
| FedCompetitors: 競合する参加者との Federated Learning における調和のとれたコラボレーション | BUPT | あああ | 2024年 | [PUB] [ページ] [PDF] |
| z-SignFedAvg: フェデレーテッド ラーニングのための統合された確率的符号ベースの圧縮 | 香港;中国深センビッグデータ研究所 | あああ | 2024年 | [PUB] [ページ] [PDF] |
| データの格差と一時的な非可用性を認識した輸送車両の予知保全のための非同期フェデレーテッド ラーニング | フォルクスワーゲン グループ | あああ | 2024年 | [パブ] [ページ] |
| 一般化可能なプロトタイプを使用したドメインシフト下での統合グラフ学習 | ふー | あああ | 2024年 | [パブ] [ページ] |
| TurboSVM-FL: 遅延クライアント向けの SVM アグリゲーションによるフェデレーション ラーニングの強化 | ミュンヘン工科大学 | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| フェデレーションドメイン一般化のための複数ソースの協調的な勾配不一致の最小化 | TJU | あああ | 2024年 | [PUB] [PDF] [コード] |
| Federated Learning での勾配漏れに対する機密性の高いサンプルの隠蔽 | モナシュ大学 | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| FedA3I: 異種アノテーション ノイズに対する連携医療画像セグメンテーションのためのアノテーション品質を意識した集約 | ハスト | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| 説明可能な適応最適化による因果関係学習の連携 | SDU | あああ | 2024年 | [PUB] [ページ] [PDF] |
| 非同期通信と異種ユーザーによるフェデレーションコンテキストカスケードバンディット | USTC | あああ | 2024年 | [PUB] [ページ] [PDF] |
| 事前トレーニングされた拡散モデルを使用したワンショットの半教師ありフェデレーテッド ラーニングの探索 | FDU | あああ | 2024年 | [PUB] [PDF] |
| 多様性と信頼性の共制約によるフェデレーテッド ドメインの様式化 個人再識別における一般化 | XMU;トレント大学 | あああ | 2024年 | [パブ] [ページ] |
| PerFedRLNAS: One for All のパーソナライズされたフェデレーテッド ニューラル アーキテクチャ検索 | TのU | あああ | 2024年 | [パブ] [ページ] |
| 予測モメンタムの集約ときめ細かい修正による効率的な非同期フェデレーテッド ラーニング | BUPT | あああ | 2024年 | [パブ] [ページ] |
| Federated-Learned 適応ビットレート アルゴリズムに対する敵対的攻撃 | HKU | あああ | 2024年 | [パブ] |
| FedTGP: フェデレーテッド ラーニングにおけるデータとモデルの異質性に対する適応マージン強化対照学習を使用したトレーニング可能なグローバル プロトタイプ | SJTU | あああ | 2024年 | [PUB] [ページ] [PDF] [コード] |
| LR-XFL: 論理的推論に基づく説明可能な連合学習 | NTU | あああ | 2024年 | [PUB] [PDF] [コード] |
| ビザンチンの堅牢なフェデレーテッド ラーニングへのフーバー損失最小化アプローチ | 浙江研究所 | あああ | 2024年 | [PUB] [ページ] [PDF] |
| パーソナライズされたフェデレーテッド ラーニングのための知識認識型パラメーター コーチング | ノースイースタン大学 | あああ | 2024年 | [パブ] [ページ] |
| ローカルダイバーシティ製品の正規化を使用したフェデレーションラベルノイズ学習 | SJTU | あああ | 2024年 | [パブ] [ページ] [サプライ] |
| Federated Learning における適応された加重集計 (学生の要約) | UBC | あああ | 2024年 | [パブ] |
| Federated Learning におけるコンパクト モデルを介した知識伝達 (学生の要約) | シドニー大学 | あああ | 2024年 | [パブ] [ページ] |
| PICSR: フェデレーテッド ラーニングのためのプロトタイプ情報に基づいたクロスサイロ ルーター (学生の要約) | オハイオ州立大学オートン研究所、CMU | あああ | 2024年 | [パブ] [ページ] |
| フェデレーテッドアイテム推奨のためのプライバシー保護グラフ畳み込みネットワーク | SZU | AI | 2023年 | [パブ] |
| Win-Win: デュアルターゲットのクロスドメインレコメンデーションのためのプライバシーを保護するフェデレーテッド フレームワーク | CAS; UCAS; JDテクノロジー; JD インテリジェント シティ リサーチ | あああ | 2023年 | [パブ] |
| 有害なアイテムの埋め込みと防御による、フェデレーテッド レコメンデーション システムに対する標的外の攻撃 | USTC;認知知能の州主要研究所 | あああ | 2023年 | [PUB] [PDF] [コード] |
| インセンティブが強化されたフェデレーテッド クラウドソーシング | SDU | あああ | 2023年 | [PUB] [PDF] |
| クラス プロトタイプを使用したフェデレーション ラーニングにおけるデータの異質性に対処する | リーハイ大学 | あああ | 2023年 | [PUB] [PDF] [コード] |
| FairFed: Federated Learning におけるグループの公平性を実現 | 南カリフォルニア大学 | あああ | 2023年 | [PUB] [PDF] [解读] |
| フェデレーテッド ロバストネスの伝播: 異種フェデレーテッド ラーニングにおける敵対的ロバストネスの共有 | MSU | あああ | 2023年 | [パブ] |
| 補体スパース化: フェデレーテッド ラーニングのための低オーバーヘッド モデル プルーニング | NJIT | あああ | 2023年 | [パブ] |
| Federated Best Arm Identification におけるほぼコストのかからない通信 | NUS | あああ | 2023年 | [PUB] [PDF] |
| スケーラブルなフェデレーション ラーニングのためのレイヤーごとの適応モデルの集約 | 南カリフォルニア大学 仁荷大学 | あああ | 2023年 | [PUB] [PDF] |
| Cerberus によるポイズニング: Federated Learning に対するステルスかつ共謀したバックドア攻撃 | BJTU | あああ | 2023年 | [パブ] |
| FedMDFG: 多勾配降下法と公平なガイダンスを備えたフェデレーション ラーニング | 香港;深セン社会のための人工知能とロボット工学研究所 | あああ | 2023年 | [パブ] |
| 安全な集約の確保: Federated Learning におけるマルチラウンドのプライバシー漏洩を軽減する | 南カリフォルニア大学 | あああ | 2023年 | [PUB] [PDF] [ビデオ] [コード] |
| 構造的知識の共有による非 IID グラフのフェデレーション ラーニング | UTS | あああ | 2023年 | [PUB] [PDF] [コード] |
| クライアント データ サブスペース間の主角によるクラスター化フェデレーテッド ラーニングにおける効率的な分布類似性の特定 | UCSD | あああ | 2023年 | [PUB] [PDF] [コード] |
| FedABC: パーソナライズされたフェデレーション ラーニングにおける公正な競争を目指す | ふふ。湖北省羅家研究所; JD エクスプローラー アカデミー | あああ | 2023年 | [PUB] [PDF] |
| ADMM を超えて: クライアントの差異を軽減する統合された適応型フェデレーテッド ラーニング フレームワーク | SUTD | あああ | 2023年 | [PUB] [PDF] |
| FedGS: 任意のクライアント可用性を備えた連携グラフベースのサンプリング | XMU | あああ | 2023年 | [PUB] [PDF] [コード] |
| より高速な適応型フェデレーション ラーニング | ピッツバーグ大学 | あああ | 2023年 | [PUB] [PDF] |
| FedNP: 統合ニューラル伝播による非 IID 統合学習に向けて | HKUST | あああ | 2023年 | [PUB] [コード] [ビデオ] [SUPP] |
| 完全な情報を網羅するベイジアンフェデレーションニューラルマッチング | TJU | あああ | 2023年 | [PUB] [PDF] |
| CDMA: 一般的なミニマックス問題のための実用的なクロスデバイス連合学習アルゴリズム | ジュウ | あああ | 2023年 | [PUB] [PDF] [コード] |
| IoT におけるマルチソース異種データのフェデレーテッド生成モデル | GSU | あああ | 2023年 | [パブ] |
| DeFL: クリティカル学習期間の認識を通じて Federated Learning におけるモデル ポイズニング攻撃を防御する | ニューヨーク州立大学ビンガムトン大学 | あああ | 2023年 | [パブ] |
| FedALA: パーソナライズされたフェデレーション ラーニングのための適応型ローカル アグリゲーション | SJTU | あああ | 2023年 | [PUB] [PDF] [コード] |
| Federated Learning の敵対的堅牢性を詳しく調べる | ジュウ | あああ | 2023年 | [PUB] [PDF] |
| Federated Learning のバックドア防御の脆弱性について | TJU | あああ | 2023年 | [PUB] [PDF] [コード] |
| Echo of Neighbors: シャッフル モデルを使用したパーソナライズされたプライベート フェデレーション ラーニングのためのプライバシー増幅 | RUC;文部科学省データベース・BI工学研究センター | あああ | 2023年 | [PUB] [PDF] |
| DPAUC: Federated Learning における差分プライベート AUC 計算 | バイトダンス株式会社 | AAAIスペシャルトラック | 2023年 | [PUB] [PDF] [コード] |
| フェデレーテッド・オポチュニスティック・ブロック・ドロップアウトによる大規模産業用障害診断モデルの効率的なトレーニング | NTU | AAAI 特別プログラム | 2023年 | [PUB] [PDF] |
| 創薬のための業界規模の統合されたフェデレーション ラーニング | ルーヴェン大学 | AAAI 特別プログラム | 2023年 | [PUB] [PDF] [ビデオ] |
| 自動運転車シミュレーション用のフェデレーテッド ラーニング モニタリング ツール (学生向け要約) | シヌゥ | AAAI特別プログラム | 2023年 | [パブ] |
| MGIA: マルチモーダル連合学習における相互勾配反転攻撃 (学生要約) | ポリユ | AAAI特別プログラム | 2023年 | [パブ] |
| 異種データのためのクラスター化フェデレーテッド ラーニング (学生の要約) | RUC | AAAI特別プログラム | 2023年 | [パブ] |
| FedSampling: Federated Learning のためのより良いサンプリング戦略 | 木 | IJCAI | 2023年 | [PUB] [PDF] [コード] |
| HyperFed: フェデレーテッド ラーニングにおける非 IID データの一貫した集計による双曲線プロトタイプの探索 | ジュウ | IJCAI | 2023年 | [PUB] [PDF] |
| FedOBD: フェデレーテッド ラーニングを通じて大規模ニューラル ネットワークを効率的にトレーニングするための Opportunistic Block Dropout | NTU | IJCAI | 2023年 | [PUB] [PDF] [コード] |
| プライバシーを保護するマルチドメイン推奨のためのコンパクト性を備えたフェデレーション型の確率的優先度分布モデリングとクラスタリング | ジュウ | IJCAI | 2023年 | [パブ] |
| フェデレーション グラフの意味論的および構造的学習 | ふー | IJCAI | 2023年 | [パブ] |
| BARA: クロスサイロ Federated Learning におけるオンライン報酬予算割り当てによる効率的なインセンティブ メカニズム | シス | IJCAI | 2023年 | [PUB] [PDF] |
| FedDWA: 動的重み調整によるパーソナライズされたフェデレーテッド ラーニング | シス | IJCAI | 2023年 | [PUB] [PDF] |
| FedPass: 適応難読化によるプライバシー保護の垂直フェデレーテッド ディープ ラーニング | ウェバンク | IJCAI | 2023年 | [PUB] [PDF] |
| 非 IID グラフ用のグローバルに一貫したフェデレーション グラフ オートエンコーダー | FZU | IJCAI | 2023年 | [パブ] [コード] |
| オークションベースの連合学習のための競争-協力型マルチエージェント強化学習 | NTU | IJCAI | 2023年 | [パブ] |
| フェデレーテッドレコメンデーションのデュアルパーソナライゼーション | JLU;シドニー工科大学 | IJCAI | 2023年 | [PUB] [PDF] [コード] |
| FedNoRo: クラスの不均衡とラベル ノイズの不均一性に対処することで、ノイズに強いフェデレーション ラーニングを目指して | ハスト | IJCAI | 2023年 | [PUB] [PDF] [コード] |
| サービス拒否またはきめ細かな制御: Federated Learning に対する柔軟なモデルポイズニング攻撃に向けて | 翔潭大学 | IJCAI | 2023年 | [PUB] [PDF] [コード] |
| FedHGN: 異種グラフ ニューラル ネットワーク用のフェデレーテッド フレームワーク | 香港 | IJCAI | 2023年 | [PUB] [PDF] [コード] |
| FedET: 強化されたトランスフォーマーに基づく、通信効率の高いフェデレーテッド クラス増分学習フレームワーク | 平安テクノロジー;木 | IJCAI | 2023年 | [PUB] [PDF] |
| 天気予報のための迅速な連合学習: 気象データの基礎モデルに向けて | UTS | IJCAI | 2023年 | [PUB] [PDF] [コード] |
| FedBFPT: Bert のさらなる事前トレーニングのための効率的なフェデレーテッド ラーニング フレームワーク | ジュウ | IJCAI | 2023年 | [パブ] [コード] |
| ベイジアンフェデレーションラーニング: 調査 | IJCAI 調査トラック | 2023年 | [PDF] | |
| Federated Learning における Federated 評価の調査 | マッコーリー大学 | IJCAI 調査トラック | 2023年 | [PUB] [PDF] |
| SAMBA: 安全なフェデレーテッド・マルチアーム・バンディットのための汎用フレームワーク (拡張要約) | INSA センター ヴァル ド ロワール | IJCAIジャーナルトラック | 2023年 | [パブ] |
| フェデレーション周波数推定におけるセキュリティとプライバシーの通信コスト | スタンフォード | AISTATS | 2023年 | [パブ] [コード] |
| 非同期分散ドロップアウトによる効率的かつ軽量のフェデレーテッド ラーニング | ライス大学 | AISTATS | 2023年 | [パブ] [コード] |
| 分散概念ドリフトの下でのフェデレーテッド ラーニング | CMU | AISTATS | 2023年 | [パブ] [コード] |
| Federated Learning における内部回避攻撃の特徴付け | CMU | AISTATS | 2023年 | [パブ] [コード] |
| Federated Asymptotics: フェデレーテッド学習アルゴリズムを比較するモデル | スタンフォード | AISTATS | 2023年 | [パブ] [コード] |
| 信頼できるサーバーを使用しないプライベート非凸フェデレーテッド ラーニング | 南カリフォルニア大学 | AISTATS | 2023年 | [パブ] [コード] |
| データ ストリームのフェデレーション ラーニング | コートダジュール大学 | AISTATS | 2023年 | [パブ] [コード] |
| 後悔しかない — プライバシーを保護するフェデレーテッド因果発見 | ヘルムホルツ情報セキュリティセンター | AISTATS | 2023年 | [パブ] [コード] |
| フェデレーション ラーニングにおけるローカル差分プライバシー下でのアクティブ メンバーシップ推論攻撃 | UFL | AISTATS | 2023年 | [パブ] [コード] |
| 連合平均ランジュバンダイナミクス: 統一理論と新しいアルゴリズムに向けて | CMAP | AISTATS | 2023年 | [パブ] |
| 最適な統計レートを備えたビザンチン堅牢なフェデレーテッド ラーニング | カリフォルニア大学バークレー校 | AISTATS | 2023年 | [パブ] [コード] |
| 構造的知識の共有による非 IID グラフのフェデレーション ラーニング | UTS | あああ | 2023年 | [PDF] [コード] |
| FedGS: 任意のクライアント可用性を備えたフェデレーション グラフベースのサンプリング | XMU | あああ | 2023年 | [PDF] [コード] |
| インセンティブが強化されたフェデレーテッド クラウドソーシング | SDU | あああ | 2023年 | [PDF] |
| Federated Learning における偏ったクライアント選択の理解に向けて。 | CMU | AISTATS | 2022年 | [パブ] [コード] |
| FLIX: フェデレーション ラーニングにおけるローカル メソッドに代わる、シンプルで通信効率の高い代替手段 | カウスト | AISTATS | 2022年 | [PUB] [PDF] [コード] |
| Federated Averaging (ローカル SGD) と連続パースペクティブの鋭い境界。 | スタンフォード | AISTATS | 2022年 | [PUB] [PDF] [コード] |
| 環境の異質性を伴う連合強化学習。 | PKU | AISTATS | 2022年 | [PUB] [PDF] [コード] |
| ワンショット通信による連携近視コミュニティ検出 | パデュー | AISTATS | 2022年 | [PUB] [PDF] |
| フェデレーテッド・リニア・バンディットのための非同期上限信頼限界アルゴリズム。 | バージニア大学 | AISTATS | 2022年 | [PUB] [PDF] [コード] |
| 継続的最適化によるフェデレーション ベイジアン ネットワーク構造学習に向けて。 | CMU | AISTATS | 2022年 | [PUB] [PDF] [コード] |
| バッファ付き非同期集約によるフェデレーテッド ラーニング | メタAI | AISTATS | 2022年 | [PUB] [PDF] [ビデオ] |
| 異種データに対する差分プライベートフェデレーション学習。 | スタンフォード | AISTATS | 2022年 | [PUB] [PDF] [コード] |
| SparseFed: スパース化によるフェデレーション ラーニングにおけるモデル ポイズニング攻撃を軽減する | プリンストン | AISTATS | 2022年 | [PUB] [PDF] [コード] [ビデオ] |
| 基礎が重要: フェデレーテッド ラーニングのためのより良いコミュニケーション効率の高い 2 次メソッド | カウスト | AISTATS | 2022年 | [PUB] [PDF] |
| フェデレートされた機能勾配ブースト。 | ペンシルベニア大学 | アイスタット | 2022年 | [パブ] [PDF] [コード] |
| QLSD：ベイジアン連邦学習のためのLangevin確率的ダイナミクスの量子化。 | Criteo AIラボ | アイスタット | 2022年 | [パブ] [PDF] [コード] [ビデオ] |
フェデレート設定kg. | Zju | ijcai | 2022年 | [パブ] [PDF] [コード] |
| グラフを使用したパーソナライズされたフェデレーション学習 | UTS | ijcai | 2022年 | [パブ] [PDF] [コード] |
| プライバシーを提供するノード分類のための垂直にフェデレーショングラフニューラルネットワーク | Zju | ijcai | 2022年 | [パブ] [PDF] |
| 適応への適応：シロのフェデレーション学習のための学習パーソナライズ | ijcai | 2022年 | [パブ] [PDF] [コード] | |
| 連合学習で大規模なモデルをトレーニングするための不均一なアンサンブル知識移転 | ijcai | 2022年 | [パブ] [PDF] | |
| 民間の半教師の連合学習。 | ijcai | 2022年 | [パブ] | |
| 知識の蒸留に基づく継続的な連合学習。 | ijcai | 2022年 | [パブ] | |
| フェデレート機能を使用した分類器の再トレーニングを介した不均一および長期尾のデータに関するフェデレーション学習 | ijcai | 2022年 | [パブ] [PDF] [コード] | |
| 個々の人間の活動認識のためのフェデレーションマルチタスクの注意 | ijcai | 2022年 | [パブ] | |
| 文脈化された一般化によるパーソナライズされた連合学習。 | ijcai | 2022年 | [パブ] [PDF] | |
| フェデレーション学習のシールド：適応型クライアント選択による堅牢な集約。 | ijcai | 2022年 | [パブ] [PDF] | |
| FEDCG：プライバシーを保護し、連邦学習における競争力のあるパフォーマンスを維持するための条件GANを活用する | ijcai | 2022年 | [パブ] [PDF] [コード] | |
| FEDDUAP：サーバー上の共有データを使用した動的な更新と適応剪定によるフェデレーションラーニング。 | ijcai | 2022年 | [パブ] [PDF] | |
検証可能なフェデレーション学習surv. | ijcai | 2022年 | [パブ] [PDF] | |
| HARMOFL：不均一な医療画像のフェデレーション学習におけるローカルおよびグローバルなドリフトを調和させる | cuhk; buaa | aaai | 2022年 | [パブ] [PDF] [コード] [解读] |
| 勾配補正による顔認識のためのフェデレーション学習 | バプト | aaai | 2022年 | [パブ] [PDF] |
| Spreadgnn：分子データ上のグラフニューラルネットワークの分散型マルチタスクフェデレーション学習 | USC | aaai | 2022年 | [パブ] [PDF] [コード] [解读] |
| SmartIdx：CNNS構造を利用することにより、連邦学習の通信コストを削減する | 打つ; PCL | aaai | 2022年 | [パブ] [コード] |
| 統一された注意ネットワークを介した認知処理信号と言語機能の間の架橋 | Tju | aaai | 2022年 | [パブ] [PDF] |
| 連合学習における重要な学習期間をつかむ | Suny-Binghamton University | aaai | 2022年 | [パブ] [PDF] |
| クロスシロフェデレーションラーニングのためのモーメントの調整 | ピッツバーグ大学 | aaai | 2022年 | [パブ] [PDF] |
| FedProto：異種デバイスを介したフェデレーションプロトタイプ学習 | UTS | aaai | 2022年 | [パブ] [PDF] [コード] |
| FedSoft：近位のローカル更新を伴うソフトクラスター化されたフェデレーションラーニング | CMU | aaai | 2022年 | [パブ] [PDF] [コード] |
| フェデレーションダイナミックスパーストレーニング：コンピューティングを減らし、コミュニケーションを減らしますが、学習を改善する | テキサス大学オースティン校 | aaai | 2022年 | [パブ] [PDF] [コード] |
| FEDFR：一般的およびパーソナライズされた顔認識のための共同最適化フェデレーションフレームワーク | 国立台湾大学 | aaai | 2022年 | [パブ] [PDF] [コード] |
| splitfed：フェデレートラーニングが分割学習を満たしている場合 | csiro | aaai | 2022年 | [パブ] [PDF] [コード] |
| マルチジョブフェデレート学習による効率的なデバイススケジューリング | Soochow University | aaai | 2022年 | [パブ] [PDF] |
| 分散学習およびフェデレーション学習における暗黙の勾配アライメント | IIT KANPUR | aaai | 2022年 | [パブ] [PDF] |
| フルーツフリーズのコロニーによる連合最近隣人の分類 | IBM研究 | aaai | 2022年 | [パブ] [PDF] [コード] |
| 繰り返されたベクターフィールドと保守主義、連邦学習への応用。 | グーグル | オルタナティブ | 2022年 | [パブ] [PDF] |
| スパル化が増幅されたプライバシーと適応的最適化を伴う連合学習 | ijcai | 2021年 | [パブ] [PDF] [ビデオ] | |
| 行動の分布を模倣します：連合学習のための個人とグループの行動を組み合わせる | ijcai | 2021年 | [パブ] [PDF] | |
| FedSpeech：継続的な学習を備えたフェデレーションテキストからスピーチ | ijcai | 2021年 | [パブ] [PDF] | |
| クロスシロ設定のための実用的なワンショットフェデレーション学習 | ijcai | 2021年 | [パブ] [PDF] [コード] | |
| ノイズのない差別的なプライバシーによるフェデレーションモデルの蒸留 | ijcai | 2021年 | [パブ] [PDF] [ビデオ] | |
| LDP-FL：地元の差別的なプライバシーを伴う連邦学習における実用的なプライベート集約 | ijcai | 2021年 | [パブ] [PDF] | |
| 公正な平均化を伴う連合学習。 | ijcai | 2021年 | [パブ] [PDF] [コード] | |
| H-FL：連合学習のための階層的なコミュニケーション効率とプライバシー保護アーキテクチャ。 | ijcai | 2021年 | [パブ] [PDF] | |
| コミュニケーション効率が高く、スケーラブルな分散化されたフェデレーションエッジ学習。 | ijcai | 2021年 | [パブ] | |
| バックワードアップデートを備えたバイレベルの非同期垂直フェデレーション学習を安全にします | Xidian University; JD Tech | aaai | 2021年 | [パブ] [PDF] [ビデオ] |
| FEDREC ++：明示的なフィードバックを伴うロスレス連邦勧告 | szu | aaai | 2021年 | [パブ] [ビデオ] |
| フェデレーションマルチアライドバンディット | バージニア大学 | aaai | 2021年 | [パブ] [PDF] [コード] [ビデオ] |
| 連合学習のためのコミュニケーション効率の高いローカルSGDの収束について | テンプル大学;ピッツバーグ大学 | aaai | 2021年 | [パブ] [ビデオ] |
| Flame：シャッフルモデルにおける差別的に私的な連邦学習 | 中国のレンミン大学;京都大学 | aaai | 2021年 | [パブ] [PDF] [ビデオ] [コード] |
| 連合学習における個々のクライアントの影響を理解するために | SJTU;テキサス大学ダラス校 | aaai | 2021年 | [パブ] [PDF] [ビデオ] |
| 悪意のあるクライアントに対する連合学習を確保すること | デューク大学 | aaai | 2021年 | [パブ] [PDF] [ビデオ] [スライド] |
| 非IIDデータに関するパーソナライズされたクロスシロフェデレーション学習 | サイモン・フレイザー大学;マクマスター大学 | aaai | 2021年 | [パブ] [PDF] [ビデオ] [UC。] |
| モデル共有ゲーム：自発的な参加下でのフェデレーション学習の分析 | コーネル大学 | aaai | 2021年 | [パブ] [PDF] [コード] [ビデオ] |
| 呪いや償還？データの不均一性が、連合学習の堅牢性にどのように影響するか | ネバダ大学; IBM研究 | aaai | 2021年 | [パブ] [PDF] [ビデオ] |
| Game of Gradients：連邦学習における無関係なクライアントを緩和します | IITボンベイ; IBM研究 | aaai | 2021年 | [パブ] [PDF] [コード] [ビデオ] [supp] |
| グローバルおよびパーソナライズされたモデルを学習するためのフェデレートブロック座標降下スキーム | cuhk;アリゾナ州立大学 | aaai | 2021年 | [パブ] [PDF] [ビデオ] [コード] |
| 連合学習におけるクラスの不均衡に対処する | ノースウェスタン大学 | aaai | 2021年 | [パブ] [PDF] [ビデオ] [コード] [解读] |
| 堅牢な学習率で連邦学習でバックドアを防御する | テキサス大学ダラス校 | aaai | 2021年 | [パブ] [PDF] [ビデオ] [コード] |
| 連合学習におけるモデル集約に対するフリーライダー攻撃 | アクセンチュアラボ | アイスタット | 2021年 | [パブ] [PDF] [コード] [ビデオ] [supp] |
| Federated f-Differentialentientプライバシー | ペンシルベニア大学 | アイスタット | 2021年 | [パブ] [コード] [ビデオ] [supp] |
| 圧縮による連合学習：統一分析と鋭い保証 | ペンシルバニア州立大学。テキサス大学オースティン校 | アイスタット | 2021年 | [パブ] [PDF] [コード] [ビデオ] [supp] |
| 連邦学習におけるプライバシーの差のシャッフルモデル | UCLA;グーグル | アイスタット | 2021年 | [パブ] [ビデオ] [サップ] |
| 連邦学習とメタ学習における収束と精度のトレードオフ | グーグル | アイスタット | 2021年 | [パブ] [PDF] [ビデオ] [supp] |
| パーソナライズを伴うフェデレートマルチアライドバンディット | バージニア大学;ペンシルバニア州立大学 | アイスタット | 2021年 | [パブ] [PDF] [コード] [ビデオ] [supp] |
| 連合学習への柔軟なデバイスの参加に向けて | CMU; sysu | アイスタット | 2021年 | [パブ] [PDF] [ビデオ] [supp] |
| 詐欺的なクレジットカード検出のためのフェデレーションメタラーニング | ijcai | 2020年 | [パブ] [ビデオ] | |
| フェデレーション学習インセンティブスキームを研究するためのマルチプレイヤーゲーム | ijcai | 2020年 | [パブ] [コード] [解读] | |
| 実用的な連合勾配の向上決定ツリー | nus; uwa | aaai | 2020年 | [パブ] [PDF] [コード] |
| ビジョンと言語の根拠の問題のための連合学習 | PKU;テンセント | aaai | 2020年 | [パブ] |
| フェデレート潜在ディリクレの割り当て：ローカル差別的なプライバシーベースのフレームワーク | buaa | aaai | 2020年 | [パブ] |
| フェデレーション患者のハッシュ | コーネル大学 | aaai | 2020年 | [パブ] |
| 共同機械教育による堅牢なフェデレーション学習 | Symantec Research Labs;カウスト | aaai | 2020年 | [パブ] [PDF] |
| FedVision：Federated Learningを搭載したオンラインビジュアルオブジェクト検出プラットフォーム | ウェブンク | aaai | 2020年 | [パブ] [PDF] [コード] |
| FEDPAQ：定期的な平均化と量子化を伴うコミュニケーション効率の高いフェデレーション学習方法 | UCサンタバーバラ; UT Austin | アイスタット | 2020年 | [パブ] [PDF] [ビデオ] [supp] |
| Federated Learning をバックドアする方法 | コーネルテック | アイスタット | 2020年 | [パブ] [PDF] [ビデオ] [コード] [supp] |
| プライバシーの差で発見されたフェデレーションヘビーヒッターの発見 | RPI;グーグル | アイスタット | 2020年 | [パブ] [PDF] [ビデオ] [supp] |
| フェデレーション学習を説明するためのマルチエージェントの視覚化 | ウェブンク | ijcai | 2019年 | [パブ] [ビデオ] |
トップML（機械学習）会議とジャーナルが受け入れた連邦学習論文（ニューラル情報処理システムに関する年次会議）、ICML（機械学習に関する国際会議）、ICLR（学習表現国際会議）、COLT（年次会議計算学習理論）、UAI（人工知能の不確実性に関する会議）、機械学習、JMLR（Journal of Machine Learning Research）、 TPAMI（パターン分析とマシンインテリジェンスに関するIEEEトランザクション）。
| タイトル | 所属 | 会場 | 年 | 材料 |
|---|---|---|---|---|
| 部分的なクライアント参加を伴う不均一なデータに関するフェデレーション学習を安定化して加速 | Tpami | 2025年 | [パブ] | |
| パーソナライズされた共有コンポーネントと共有コンポーネントの混合を備えた医療フェデレーションモデル | Tpami | 2025年 | [パブ] | |
| 合成蒸留器抵抗性通信を介したワンショットフェデレーション学習 | ニューリップ | 2024年 | [パブ] | |
| 不均一なデータを使用したコンパクトなスムーズサブマニホールドに関する非コンベックスフェデレーション学習 | ニューリップ | 2024年 | [パブ] | |
| FEDGMKD：知識の蒸留と矛盾を認識する集計を通じて、効率的なプロトタイプフェデレーション学習フレームワーク | ニューリップ | 2024年 | [パブ] | |
| モデル-DATA相互情報を使用した連邦学習の一般化の改善：事後推論アプローチ | ニューリップ | 2024年 | [パブ] | |
| フェデレーションモデル不均一マトリオシュカ表現学習 | ニューリップ | 2024年 | [パブ] | |
| クロスドメインの推奨のためのフェデレーショングラフ学習 | ニューリップ | 2024年 | [パブ] | |
| FEDGMARK：フェデレーショングラフ学習のための証明的に堅牢な透かし | ニューリップ | 2024年 | [パブ] | |
| フェデレーションファンデーションモデル用のデュアルパーソナライズアダプター | ニューリップ | 2024年 | [パブ] | |
| フェデレーションされた自然政策グラデーションとマルチタスク補強学習のための俳優批評家の方法 | ニューリップ | 2024年 | [パブ] | |
| 人間のモビリティ予測でロングテールを飼いならします | ニューリップ | 2024年 | [パブ] | |
| 二重防御：連合学習におけるプライバシーの強化と緩和中毒攻撃 | ニューリップ | 2024年 | [パブ] | |
| 構造認識の推奨の進化を埋め込むためのグラフ強化オプティマイザー | ニューリップ | 2024年 | [パブ] | |
| Dofit：壊滅的な忘却を緩和したドメインを認識した連合指導の調整 | ニューリップ | 2024年 | [パブ] | |
| 不均一および非定常クライアントに対する効率的な連合学習は利用できません | ニューリップ | 2024年 | [パブ] | |
| フェデレーショントランス：実用的にファジーリンクされたデータに関するマルチパーティの垂直フェデレーション学習 | ニューリップ | 2024年 | [パブ] | |
| fiarse：重要性を認識するサブモデル抽出によるモデル分泌性の連合学習 | ニューリップ | 2024年 | [パブ] | |
| 非IIDおよび不均衡なデータを使用した確率的フェデレーションプロンプトチューニング | ニューリップ | 2024年 | [パブ] | |
| 植物相 | ニューリップ | 2024年 | [パブ] | |
| 不均一データドメインを使用したフェデレートプロトタイプ学習におけるクロスドメイン表現の分散 | ニューリップ | 2024年 | [パブ] | |
| PFEDCLUB：パーソナライズされた連合学習のための制御可能な不均一モデル集約 | ニューリップ | 2024年 | [パブ] | |
| なぜいっぱいになるのですか？部分的なネットワークの更新を通じて、フェデレーション学習を高める | ニューリップ | 2024年 | [パブ] | |
| Fusefl：進歩的なモデル融合を伴う因果関係のレンズを介したワンショットフェデレーション学習 | ニューリップ | 2024年 | [パブ] | |
| FEDSSP：スペクトルの知識とパーソナライズされた好みを備えたフェデレーショングラフ学習 | ニューリップ | 2024年 | [パブ] | |
| 明示的なラベルエクスプロイトを備えた不均一な特徴スペースからのLearnWaresの取り扱い | ニューリップ | 2024年 | [パブ] | |
| a-fedpd：二重ドリフトを調整することは、すべて連合された原始学習のニーズです | ニューリップ | 2024年 | [パブ] | |
| フェデレーション設定でのプライベートおよびパーソナライズされた周波数推定 | ニューリップ | 2024年 | [パブ] | |
| フェデレートQラーニングにおけるサンプルコミュニケーションの複雑さのトレードオフ | ニューリップ | 2024年 | [パブ] | |
| フェデレーションされたアンサンブル指向オフライン強化学習 | ニューリップ | 2024年 | [パブ] | |
| セマンティックセグメンテーションのためのフェデレーションブラックボックスの適応 | ニューリップ | 2024年 | [パブ] | |
| 前方に考えてください：言語モデルのメモリ効率の高いフェデレーション微調整 | ニューリップ | 2024年 | [パブ] | |
| Vision-Language Foundationモデルからのフェデレーション学習：理論分析と方法 | ニューリップ | 2024年 | [パブ] | |
| 人間の好みの誘発のための最適な設計 | ニューリップ | 2024年 | [パブ] | |
| タスク算術知識統合を介した多様なデバイスの異質なフェデレーション学習に向けて | ニューリップ | 2024年 | [パブ] | |
| 機能配信適応によるパーソナライズされたフェデレーション学習 | ニューリップ | 2024年 | [パブ] | |
| Scafflsa：フェデレート線形確率近似とTD学習におけるタミング不均一性 | ニューリップ | 2024年 | [パブ] | |
| 不均一な設定でのパーソナライズされた連合学習のためのベイジアンアプローチ | ニューリップ | 2024年 | [パブ] | |
| RFLPA：安全な集約による中毒攻撃に対する堅牢なフェデレーション学習フレームワーク | ニューリップ | 2024年 | [パブ] | |
| FEDGTST：統計チューニングを介してフェデレーションモデルのグローバル移転性を高める | ニューリップ | 2024年 | [パブ] | |
| 勧告の意図学習のためのエンドツーエンドの学習可能なクラスタリング | ニューリップ | 2024年 | [パブ] | |
| FEDLPA：レイヤーごとの後方凝集を備えたワンショットフェデレーションラーニング | ニューリップ | 2024年 | [パブ] | |
| Time-FFM：時系列予測のためのLMエンパワーされたフェデレーションファンデーションモデルに向けて | ニューリップ | 2024年 | [パブ] | |
| FOOGD：分散型の一般化と検出の両方のためのフェデレーションコラボレーション | ニューリップ | 2024年 | [パブ] | |
| 不均一な連邦学習のためのスイスアーミーナイフ：TRACE Normを介した柔軟な結合 | ニューリップ | 2024年 | [パブ] | |
| Fedne：次元削減のために、代理支援連邦隣人が埋め込まれています | ニューリップ | 2024年 | [パブ] | |
| 低精度のローカルトレーニングでは、連合学習に十分です | ニューリップ | 2024年 | [パブ] | |
| グローバルクラスの表現を備えたリソース認識フェデレーションの自己監視学習 | ニューリップ | 2024年 | [パブ] | |
| 分散データを使用したオンラインモデル選択のためのコラボレーションの必要性について | ニューリップ | 2024年 | [パブ] | |
| 連邦学習における外挿の力 | ニューリップ | 2024年 | [パブ] | |
| （fl）$^2 $：フェデレーションされた半監視学習のいくつかのラベルを克服します | ニューリップ | 2024年 | [パブ] | |
| スペクトルモデルのシャードのためのサンプリング戦略について | ニューリップ | 2024年 | [パブ] | |
| 順次推奨のために、インスタンスごとのLORAを使用して言語モデルをカスタマイズします | ニューリップ | 2024年 | [パブ] | |
| SPAFL：スパースモデルと低い計算オーバーヘッドを使用した通信効率の高いフェデレーション学習 | ニューリップ | 2024年 | [パブ] | |
| Hydra-FL：堅牢で正確な連邦学習のためのハイブリッド知識の蒸留 | ニューリップ | 2024年 | [パブ] | |
| フェデレーション最適化のための安定化近位点方法 | ニューリップ | 2024年 | [パブ] | |
| dapperfl：エッジデバイスのモデル融合剪定によるドメイン適応的フェデレーション学習 | ニューリップ | 2024年 | [パブ] | |
| 不均一な連邦学習におけるバックドア防衛のためのパラメーター格差解剖 | ニューリップ | 2024年 | [パブ] | |
| 最悪のパフォーマンスエージェントはパックをリードしていますか？統合分布SGDの分析エージェントダイナミクス | ニューリップ | 2024年 | [パブ] | |
| FEDAVP：連合学習の共有ポリシーを介してローカルデータを増強する | ニューリップ | 2024年 | [パブ] | |
| Cobo：Bilevel Optimizationによる共同学習 | ニューリップ | 2024年 | [パブ] | |
| 不均一なデータ上の分割連合学習の収束分析 | ニューリップ | 2024年 | [パブ] | |
| 通信効率の高いフェデレーショングループ分布堅牢な最適化 | ニューリップ | 2024年 | [パブ] | |
| フェラーリ：機能の感度を最適化することにより、フェデレーション機能を解除します | ニューリップ | 2024年 | [パブ] | |
| 接続されたモードを介したフェデレーション学習 | ニューリップ | 2024年 | [パブ] | |
| 適応予測とモデルの微調整のためのモデルの混合を備えたパーソナライズされたフェデレーション学習 | ニューリップ | 2024年 | [パブ] | |
| 平等主義の公平性は不安定につながりますか？利他的な行動の下で安定したフェデレーション学習の公平性の範囲 | ニューリップ | 2024年 | [パブ] | |
| プライバシーの差がある専門家からのフェデレーションオンライン予測：分離と後悔のスピードアップ | ニューリップ | 2024年 | [パブ] | |
| データシューリング：複数のトロイの木馬を使用したフェデレーションラーニングの拡散モデルからデータを盗む | ニューリップ | 2024年 | [パブ] | |
| フェデレーションされた行動面：連合学習におけるクライアント行動の進化を説明する | ニューリップ | 2024年 | [パブ] | |
| マルチタイムスケール勾配補正による階層的フェデレーション学習 | ニューリップ | 2024年 | [パブ] | |
| ハイパープリズム：非IIDデータおよび時変コミュニケーションリンクを介した分散機械学習のための適応的非線形集約フレームワーク | ニューリップ | 2024年 | [パブ] | |
| 槍：連合学習におけるバッチの正確な勾配反転 | ニューリップ | 2024年 | [パブ] | |
| 定期的なクライアント参加と異種データの下でのフェデレーション学習：新しいコミュニケーション効率の高いアルゴリズムと分析 | ニューリップ | 2024年 | [パブ] | |
| ブリッジングギャップ：不均一なハイブリッドビューでのフェデレーションマルチビュークラスタリング | ニューリップ | 2024年 | [パブ] | |
| 非IIDデータ上の拡散ベースのデータ調和による混乱抵抗性の連合学習 | ニューリップ | 2024年 | [パブ] | |
| 地元の優れたスープ：クロスシロフェデレーションラーニングに合流するモデルの触媒 | ニューリップ | 2024年 | [パブ] | |
| クロスシロフェデレーションラーニングのためのフリーライダーと競合の認識コラボレーションフォーメーション | ニューリップ | 2024年 | [パブ] | |
| 分散コンセプトドリフトの下でのフェデレーション学習のための分類器クラスタリングと機能アライメント | ニューリップ | 2024年 | [パブ] | |
| 不均一性ガイド付きクライアントサンプリング：迅速かつ効率的な非IID連合学習に向けて | ニューリップ | 2024年 | [パブ] | |
| 事実またはフィクション：真実のメカニズムは、フェデレーションフリーライディングを排除できますか？ | ニューリップ | 2024年 | [パブ] | |
| サンプル内およびサンプル外のアイテムを注文するためのアクティブな選好学習 | ニューリップ | 2024年 | [パブ] | |
| 不均一なタスクとクライアントリソースの下での大規模な言語モデルの連邦微調整 | ニューリップ | 2024年 | [パブ] | |
| 敵対的なクライアントを緩和するための連合学習における微調整のパーソナライズ | ニューリップ | 2024年 | [パブ] | |
| ワンショットフェデレートラーニングでアンサンミングを再検討します | ニューリップ | 2024年 | [パブ] | |
| Fedllm-bench：大規模な言語モデルの連合学習のための現実的なベンチマーク | ニューリップ | 2024年 | [パブ] | |
| $ exttt {pfl-research} $：民間連邦学習における研究を加速するためのシミュレーションフレームワーク | ニューリップ | 2024年 | [パブ] | |
| Fedmeki：連合知識注入を介して医療基金モデルをスケーリングするためのベンチマーク | ニューリップ | 2024年 | [パブ] | |
| 非同期私的連邦学習における勢い近似 | ニューリップスワークショップ | 2024年 | [パブ] | |
| コホートスクイーズ：クロスデバイスフェデレーションラーニングのコホートごとに1回のコミュニケーションラウンドを超えて | ニューリップスワークショップ | 2024年 | [パブ] | |
| 生成コンテンツを使用したフェデレーションラーニング | ニューリップスワークショップ | 2024年 | [パブ] | |
| 大規模な言語モデルの連合命令調整のための非構造化テキストデータを活用する | ニューリップスワークショップ | 2024年 | [パブ] | |
| 大規模な言語モデルの連邦政府の指導のチューニングにおける新たな安全攻撃と防御 | ニューリップスワークショップ | 2024年 | [パブ] | |
| 学習システムにおける競合他社間の障害のないコラボレーション | ニューリップスワークショップ | 2024年 | [パブ] | |
| 不均一環境を横切る連合Q学習の収束率について | ニューリップスワークショップ | 2024年 | [パブ] | |
| EncCluster：Federated Foundational Modelsに機能的な暗号化をもたらす | ニューリップスワークショップ | 2024年 | [パブ] | |
| フェレット：大規模な言語モデルのために、規模のレベルのフルパラメーターチューニング | ニューリップスワークショップ | 2024年 | [パブ] | |
| ホットプラグ可能な連合学習 | ニューリップスワークショップ | 2024年 | [パブ] | |
| グローバルな損失収束保証を備えたフェデレーションダイナミカル低ランクトレーニング | ニューリップスワークショップ | 2024年 | [パブ] | |
| トレーニング前の大規模な言語モデルの将来は連合されています | ニューリップスワークショップ | 2024年 | [パブ] | |
| 共有線形表現を使用した共同学習：統計レートと最適アルゴリズム | ニューリップスワークショップ | 2024年 | [パブ] | |
| Synapticcity現象：すべての基礎モデルが連邦学習とブロックチェーンと結婚するとき | ニューリップスワークショップ | 2024年 | [パブ] | |
| Zoopfl：パーソナライズされたフェデレーション学習のためのブラックボックスファンデーションモデルの探索 | ニューリップスワークショップ | 2024年 | [パブ] | |
| Decomfl：ディメンションフリー通信によるフェデレーションラーニング | ニューリップスワークショップ | 2024年 | [パブ] | |
| 連邦政府の深い学習の一般化のためのグループ接続の改善 | ニューリップスワークショップ | 2024年 | [パブ] | |
| マップ：限られた計算を使用して、モデルの償却パレートフロントと融合 | ニューリップスワークショップ | 2024年 | [パブ] | |
| OPA：単一のクライアントの相互作用とフェデレーションラーニングへのアプリケーションを備えたワンショットプライベート集約 | ニューリップスワークショップ | 2024年 | [パブ] | |
| 損失探査による連合学習における適応ハイブリッドモデル剪定 | ニューリップスワークショップ | 2024年 | [パブ] | |
| 言語モデルの世界的な連邦トレーニング | ニューリップスワークショップ | 2024年 | [パブ] | |
| Fedstein：James-Stein Estimatorを通じてマルチドメインフェデレートラーニングを強化します | ニューリップスワークショップ | 2024年 | [パブ] | |
| 限られたローカルサンプルを使用したフェデレーション設定での因果発見の強化 | ニューリップスワークショップ | 2024年 | [パブ] | |
| $ exttt {pfl-research} $：民間連邦学習における研究を加速するためのシミュレーションフレームワーク | ニューリップスワークショップ | 2024年 | [パブ] | |
| DMM：パックされた秘密共有を使用した差別的にプリフする連合学習のための分散マトリックスメカニズム | ニューリップスワークショップ | 2024年 | [パブ] | |
| FEDCBO：コンセンサスベースの最適化を通じて、クラスター化されたフェデレーション学習におけるグループコンセンサスに到達する | JMLR | 2024年 | [パブ] | |
| 効果的なフェデレーショングラフマッチング | ICML | 2024年 | [パブ] | |
| 不完全なクライアント参加の存在下でサーバー支援フェデレーション学習を理解する | ICML | 2024年 | [パブ] | |
| 連邦政府を超えて：目に見えないクライアントへの一般化のためのトポロジを認識している連合学習 | ICML | 2024年 | [パブ] | |
| FEDBPT：大規模な言語モデルの効率的なフェデレーションブラックボックスプロンプトチューニング | ICML | 2024年 | [パブ] | |
| 不確実性に基づく非対称の相互関係を介した連合学習におけるブリッジングモデルの不均一性 | ICML | 2024年 | [パブ] | |
| フェデレート最適化におけるデータの不均一性に関する新しい理論的視点 | ICML | 2024年 | [パブ] | |
| 大規模モデルのフェデレーションマルチモーダル学習におけるストレージと計算効率の向上 | ICML | 2024年 | [] | |
| 勝利の勢い：不均一な環境全体の共同連邦補強学習 | ICML | 2024年 | [パブ] | |
| ビザンチン - ロバストフェデレーション学習：クライアントサブサンプリングとローカル更新の影響 | ICML | 2024年 | [パブ] | |
| ニューラルネットワークの不均一な連邦学習におけるローカルステップの証明可能な利点：機能学習の視点 | ICML | 2024年 | [パブ] | |
| 迅速な分散平均推定でフェデレーション学習を加速します | ICML | 2024年 | [パブ] | |
| 比例拒否コアを介した公正な連合学習 | ICML | 2024年 | [パブ] | |
| aegisfl：効率的かつ柔軟なプライバシーに基づいたビザンチン - ロバストクロスシロフェデレートラーニング | ICML | 2024年 | [パブ] | |
| 連邦学習のローカルアップデートからラベルを回復します | ICML | 2024年 | [パブ] | |
| Fedmbridge：ブリッジ可能なマルチモーダルフェデレートラーニング | ICML | 2024年 | [パブ] | |
| 連邦政府の迅速な学習における一般化とパーソナライズの調和 | ICML | 2024年 | [パブ] | |
| ローカルで推定されたグローバル摂動は、連合されたシャープネスを意識する最小化のためのローカル摂動よりも優れています | ICML | 2024年 | [パブ] | |
| 閉じた分類器を使用した不均一なフェデレーション学習を加速します | ICML | 2024年 | [パブ] | |
| フェデレートコンビナトリアルマルチエージェントマルチアライドバンディット | ICML | 2024年 | [パブ] | |
| フェデレーションマルチレベルの組成最適化のための二重再帰確率的勾配降下法 | ICML | 2024年 | [パブ] | |
| 信頼できるサーバーなしの個人的な不均一なフェデレーション学習再検討：凸損失のためのエラー最適および通信効率の高いアルゴリズム | ICML | 2024年 | [パブ] | |
| FEDRC：堅牢なクラスタリングによる連邦学習における多様な分布シフトの課題への取り組み | ICML | 2024年 | [パブ] | |
| 連続した意思決定を通じて、連邦学習における全体的な福祉を追求する | ICML | 2024年 | [パブ] | |
| Pre-text：LLMSの年齢の民間連邦データに関する言語モデルのトレーニング | ICML | 2024年 | [パブ] | |
| ビザンチン - ロボスト不均一な連邦学習のための自己主導のエントロピー凝集 | ICML | 2024年 | [パブ] | |
| 合成アンカーを介した分散化された連合学習におけるデータとモデルの不均一性を克服する | ICML | 2024年 | [パブ] | |
| 二重に正則化されたドリフト補正による連合最適化 | ICML | 2024年 | [パブ] | |
| FEDSC：非IIDデータを介したスペクトル対照的な目的を備えた証明されたフェデレーションセルフスーパーバイザー学習 | ICML | 2024年 | [パブ] | |
| ビザンチンと頑固な連合のコンフォーマル予測を証明します | ICML | 2024年 | [パブ] | |
| フェデレーションラーニングの代替スペースへのマッピングを介して、ロスレスグラデーションスパース化を達成する | ICML | 2024年 | [パブ] | |
| グラデーションベースのパーティション化を介して、クラスター化されたフェデレーション学習 | ICML | 2024年 | [パブ] | |
| 異質なクライアントとの連合学習のための再発性早期出口 | ICML | 2024年 | [パブ] | |
| 連合学習におけるフラットミニマの検索を再考します | ICML | 2024年 | [パブ] | |
| FEDBAT：学習可能な二等分化によるコミュニケーション効率の高いフェデレーション学習 | ICML | 2024年 | [パブ] | |
| パラメータ化されていない体制における連邦代表学習 | ICML | 2024年 | [パブ] | |
| FEDLMT：理論的保証を使用した低ランクモデルトレーニングによる連合学習のシステムの不均一性への取り組み | ICML | 2024年 | [パブ] | |
| 異種差別的に私的な連邦学習のためのノイズアウェアアルゴリズム | ICML | 2024年 | [パブ] | |
| シルバー：シングルループの分散削減とフェデレーション学習への応用 | ICML | 2024年 | [パブ] | |
| フェデレーションディフェンスを備えたサイング：グラデーションサインデコードによる敵対的な攻撃を利用する | ICML | 2024年 | [パブ] | |
| FEDCAL：集計されたパラメーター化されたスカラーを介して、フェデレート学習におけるローカルおよびグローバルのキャリブレーションを達成する | ICML | 2024年 | [パブ] | |
| プロンプトベースのデュアルナレッジ転送を介したフェデレーション継続的な学習 | ICML | 2024年 | [パブ] | |
| 通信コストが18キロバイト未満の10億サイズの言語モデルのフェデレーションフルパラメーターチューニング | ICML | 2024年 | [パブ] | |
| フェデレーション設定における分解可能なサブモジュラーの最大化 | ICML | 2024年 | [パブ] | |
| 民間および連邦の確率的凸の最適化：集中システムの効率的な戦略 | ICML | 2024年 | [パブ] | |
| ダイリヒレの混合物の混合物を使用したフェデレートデータセットの改善されたモデリング | ICML | 2024年 | [パブ] | |
| 連合学習の一般化エラー分析からのレッスン：あなたはより頻繁に通信することができます！ | ICML | 2024年 | [パブ] | |
| ビザンチンの弾力性と速いフェデレーションの少数の学習 | ICML | 2024年 | [パブ] | |
| ショートカット回避情報を備えた因果的に動機付けられたパーソナライズされたフェデレーション不変学習 | ICML | 2024年 | [パブ] | |
| 効率的な連合学習のためのランキングベースのクライアント模倣選択 | ICML | 2024年 | [パブ] | |
| 監視されていない連合学習の理論に向けて：フェデレーションEMアルゴリズムの非症状分析 | ICML | 2024年 | [パブ] | |
| FADAS：フェデレーションの適応非同期最適化に向けて | ICML | 2024年 | [パブ] | |
| フェデレーションオフライン強化学習：協調的な単一ポリシーカバレッジで十分です | ICML | 2024年 | [パブ] | |
| FedRedefense：モデル更新再構築エラーを使用したフェデレーション学習のためのモデル中毒攻撃に対する防御 | ICML | 2024年 | [パブ] | |
| MH-PFLID：注入と蒸留による医療データ分析によるモデル不均一なパーソナライズされたフェデレーション学習 | ICML | 2024年 | [パブ] | |
| フェデレーションニューロシンボリック学習 | ICML | 2024年 | [パブ] | |
| 連邦相互移転学習のための適応グループのパーソナライズ | ICML | 2024年 | [パブ] | |
| 連合学習の類似性と相補性のバランス | ICML | 2024年 | [パブ] | |
| アンチショートカットの増強を伴う連合自己説明GNN | ICML | 2024年 | [パブ] | |
| ディープAUCの最大化のためのフェデレート確率的マルチレベル組成マニバックスアルゴリズム | ICML | 2024年 | [パブ] | |
| Coala：実用的で視覚中心の連合学習プラットフォーム | ICML | 2024年 | [パブ] | |
| カスケードハイブリッド最適化を介した安全で高速の非同期垂直フェデレーション学習 | マッハ学習 | 2024年 | [パブ] | |
| モデル距離を介した通信効率の高いクラスター化されたフェデレーション学習 | USTC;認知知能の州の主要な研究所 | マッハ学習 | 2024年 | [パブ] |
| 不均一データのための超quant骨凝集による連合学習。 | Google Research | マッハ学習 | 2024年 | [パブ] [PDF] [コード] |
| クラスの不均衡でない非IIDフェデレート学習のモデル出力を調整します | nju | マッハ学習 | 2024年 | [パブ] |
| 一般化された線形因果ネットワークの連合学習 | Tpami | 2024年 | [パブ] | |
| クロスモーダルフェデレーションヒト活動認識 | Tpami | 2024年 | [パブ] | |
| フェデレーションガウスプロセス：収束、自動パーソナライズ、多忠実度モデリング | ノースイースタン大学; uom | Tpami | 2024年 | [パブ] [PDF] [コード] |
| 連邦学習に対する敵対攻撃の影響：調査 | iit | Tpami | 2024年 | [パブ] |
| 連合学習における次元崩壊の理解と緩和 | NUS | Tpami | 2024年 | [パブ] [PDF] [コード] |
| 誰も残されていません：現実世界の連合された階級学習 | CAS; UCAS | Tpami | 2024年 | [パブ] [PDF] [コード] |
| 一般化可能な不均一な連合相互相関およびインスタンスの類似性学習 | whu | Tpami | 2024年 | [パブ] [PDF] [コード] |
| 適応性のある差別的なプライバシーを伴う多段階の非同期連合学習 | HPU; xjtu | Tpami | 2024年 | [パブ] [PDF] [コード] |
| オンラインラプラス近似を備えたベイジアンフェデレーション学習フレームワーク | Sustech | Tpami | 2024年 | [パブ] [PDF] [コード] |
| データを介したワンショットのフェデレーション学習を強化し、アンサンブルの共同ブーストを介して強化します | USTC; hkbu | ICLR | 2024年 | [パブ] |
| 連合学習のためのワンショットの実証的なプライバシーの推定 | グーグル | ICLR | 2024年 | [パブ] [PDF] |
| 通信圧縮によるフェデレーション学習の確率的制御平均化 | LinkedIn; upenn | ICLR | 2024年 | [パブ] [PDF] |
| 連邦政府の平均化における未知の参加統計に取り組むための軽量な方法 | IBM | ICLR | 2024年 | [パブ] [PDF] [コード] |
| フェデレーションの対照学習に関する相互情報の視点 | Qualcomm | ICLR | 2024年 | [パブ] |
| フェデレーションドメイン一般化のためのベンチマークアルゴリズム | パデュー大学 | ICLR | 2024年 | [パブ] [PDF] [コード] |
| ハイブリッドデータに関する効果的かつ効率的なフェデレーションツリー学習 | カリフォルニア大学バークレー校 | ICLR | 2024年 | [パブ] [PDF] |
| 追加のパーソナライズを伴うフェデレーションの推奨 | UTS | ICLR | 2024年 | [パブ] [PDF] [コード] |
| キャッシュアップデートキャリブレーションを使用した非同期フェデレーション学習におけるデータの不均一性への取り組み | 電源ユニット | ICLR | 2024年 | [パブ] [sup] |
| フェデレーションオルトゴーナルトレーニング：継続的なフェデレーション学習におけるグローバルな壊滅的な忘却の緩和 | USC | ICLR | 2024年 | [Pub] [Supp] [PDF] |
| 不均一なフェデレーションの継続的な学習を正確に忘れる | 木 | ICLR | 2024年 | [パブ] [コード] |
| 異種データからの連合因果発見 | Mbzuai | ICLR | 2024年 | [パブ] [PDF] [コード] |
| 差別的に私的な連邦の線形文脈的盗賊について | ウェイン州立大学 | ICLR | 2024年 | [Pub] [Supp] [PDF] |
| 連邦盗賊のための真実のコミュニケーションを奨励しました | バージニア大学 | ICLR | 2024年 | [パブ] [PDF] |
| 原理化されたフェデレーションドメイン適応：グラデーション投影と自動加重 | UIUC | ICLR | 2024年 | [パブ] |
| FEDP3：モデルの不均一性の下でのフェデレーションパーソナライズされたプライバシーに優しいネットワーク剪定 | カウスト | ICLR | 2024年 | [パブ] |
| フェデレーションラーニングにおけるビジョン言語モデルのテキスト駆動型の迅速な生成 | ロバート・ボッシュLLC | ICLR | 2024年 | [パブ] [PDF] |
| プライバシーを提供する連邦学習におけるLORAの改善 | ノースイースタン大学 | ICLR | 2024年 | [パブ] |
| FEDWON：正規化なしでマルチドメインフェデレートラーニングを勝利します | Sony AI | ICLR | 2024年 | [パブ] [PDF] |
| Fedtrans：堅牢なフェデレーション学習のためのクライアント透過性ユーティリティ推定 | Tu Delft | ICLR | 2024年 | [パブ] |
| FedCompass：コンピューティングパワーアウェアスケジューラを使用した不均一なクライアントデバイスでのクロスシロフェデレーション学習効率 | anl; uiuc; NCSA | ICLR | 2024年 | [パブ] [PDF] [コード] [ページ] |
| パーソナライズされた連合学習のためのベイジアンコアセット最適化 | IITボンベイ | ICLR | 2024年 | [パブ] |
| レイヤーごとの線形モード接続 | ruhr-universtätBochum | ICLR | 2024年 | [Pub] [PDF] [Supp] |
| それを作るまで偽物：コンセンサス指向の世代を備えたフェデレーションラーニング | SJTU | ICLR | 2024年 | [パブ] [PDF] |
| 目の前に隠れている：フェデレーション学習における攻撃を盗むデータを偽装する | insait | ICLR | 2024年 | [Pub] [Supp] [PDF] |
| ポリシーでの不均一なフェデレーション補強学習の有限時間分析 | コロンビア大学 | ICLR | 2024年 | [パブ] [PDF] |
| 自動調整されたクライアントによる適応的なフェデレーション学習 | ライス大学 | ICLR | 2024年 | [Pub] [Supp] [PDF] |
| バックドアクリティカルな層を中毒することによるバックドアフェデレーション学習 | ND | ICLR | 2024年 | [Pub] [Supp] [PDF] |
| Federated Q-Learning：通信コストが低い線形後悔のスピードアップ | 電源ユニット | ICLR | 2024年 | [Pub] [Supp] [PDF] |
| Fedimpro：連合学習におけるクライアントの更新の測定と改善 | hkbu | ICLR | 2024年 | [パブ] [PDF] |
| フェデレーションワッサースタイン距離 | マサチューセッツ工科大学 | ICLR | 2024年 | [Pub] [Supp] [PDF] |
| サンプルごとの分析と、連合学習におけるアップデートごとのクリッピングの分析 | DTU | ICLR | 2024年 | [パブ] |
| FEDCDA：クロスラウンドの分岐に対応する集約によるフェデレーションラーニング | NTU | ICLR | 2024年 | [パブ] [sup] |
| 均一性を連邦学習における不均一性に拡張するための内部架橋勾配 | HKU | ICLR | 2024年 | [パブ] [PDF] |
| 勢いは、非IID連合学習に簡単かつ実証的に利益をもたらします | PKU; upenn | ICLR | 2024年 | [パブ] [PDF] |
| コミュニケーション効率の良いフェデレーション非線形盗賊最適化 | イェール大学 | ICLR | 2024年 | [パブ] [PDF] |
| 垂直連合学習のための公正かつ効率的な貢献評価 | ファーウェイ | ICLR | 2024年 | [パブ] [supp] [pdf] [code] |
| 部分情報分解を使用して、連邦学習におけるローカルおよびグローバルの公平性のトレードオフを分離する | umcp | ICLR | 2024年 | [パブ] [PDF] |
| 不均一なフェデレーションクライアントのための個別の因果的不変表現を学習します | polyu | ICLR | 2024年 | [パブ] |
| PEFLL：学習を学ぶことによるパーソナライズされた連合学習 | IST | ICLR | 2024年 | [Pub] [Supp] [PDF] |
| 分散分散不平等のためのコミュニケーション効率の高い勾配降下アクセント方法：統一された分析とローカルアップデート | jhu | ICLR | 2024年 | [Pub] [Supp] [PDF] |
| FedInverse：連合学習におけるプライバシー漏れの評価 | USQ | ICLR | 2024年 | [パブ] [sup] |
| FEDDA：連合制限された最適化のためのより高速の適応勾配法 | umcp | ICLR | 2024年 | [Pub] [Supp] [PDF] |
| 非常にラベル欠乏を備えたフェデレーションモデルの堅牢なトレーニング | hkbu | ICLR | 2024年 | [パブ] [PDF] [コード] |
| 機能学習理論を通じて、連邦学習における収束と一般化を理解する | riken aip | ICLR | 2024年 | [パブ] |
| PhishにLLMSを教える：言語モデルから個人情報を盗む | プリンストン大学 | ICLR | 2024年 | [パブ] |
| 油や水のように：グループの堅牢性の方法と中毒防御は混ざりません | umcp | ICLR | 2024年 | [パブ] |
| 異方性勾配ノイズの下での確率的重ボール法の加速収束 | hkust | ICLR | 2024年 | [パブ] [PDF] |
| 勾配反転攻撃のハードラベルの制約を排除することに向けて | CAS | ICLR | 2024年 | [パブ] [supp] [pdf] [code] |
| ローカルコンポジットサドルポイント最適化 | パデュー大学 | ICLR | 2024年 | [パブ] [PDF] |
| 相関ダイナミクスモデルを介したニューラルトレーニングの強化 | tiit | ICLR | 2024年 | [パブ] [PDF] |
| Econtrol：圧縮およびエラー制御による高速分散最適化 | サーランド大学 | ICLR | 2024年 | [Pub] [Supp] [PDF] |
| 垂直フェデレーション学習のための敵対例の構築：マルチアライドバンディットを介した最適なクライアントの腐敗 | hkust | ICLR | 2024年 | [パブ] |
| Fedhyper：高勾配降下による連合学習のための普遍的で堅牢な学習率スケジューラ | umcp | ICLR | 2024年 | [パブ] [supp] [pdf] [code] |
| ローカルグローバルアップデートによる不均一なパーソナライズされたフェデレーション学習 | 香港 | ICLR | 2024年 | [パブ] |
| 物理的および言語的境界を破る：リソースの低い言語の多言語のフェデレーションプロンプトチューニング | ケンブリッジ大学 | ICLR | 2024年 | [パブ] |
| Simple Minimax Optimal Byzantine Robust Algorithm for Nonconvex Objectives with Uniform Gradient Heterogeneity | NTT DATA Mathematical Systems Inc. | ICLR | 2024年 | [パブ] |
| VFLAIR: A Research Library and Benchmark for Vertical Federated Learning | 木 | ICLR | 2024年 | [PUB] [PDF] [CODE] |
| Incentive-Aware Federated Learning with Training-Time Model Rewards | NUS | ICLR | 2024年 | [PUB] [SUPP] |
| VertiBench: Advancing Feature Distribution Diversity in Vertical Federated Learning Benchmarks | NUS | ICLR | 2024年 | [PUB] [PDF] [CODE] |
| FedLoGe: Joint Local and Generic Federated Learning under Long-tailed Data | ZJU | ICLR | 2024年 | [PUB] [SUPP] [PDF] |
| SimFBO: Towards Simple, Flexible and Communication-efficient Federated Bilevel Learning | University at Buffalo | NeurIPS | 2023年 | [PUB] [PDF] [SUPP] |
| Mechanism Design for Collaborative Normal Mean Estimation | UW-Madison | NeurIPS | 2023年 | [PUB] [PDF] |
| Robust Distributed Learning: Tight Error Bounds and Breakdown Point under Data Heterogeneity | EPFL | NeurIPS | 2023年 | [PUB] [PDF] [CODE] |
| Incentives in Federated Learning: Equilibria, Dynamics, and Mechanisms for Welfare Maximization | UIUC | NeurIPS | 2023年 | [PUB] [SUPP] |
| Convergence Analysis of Sequential Federated Learning on Heterogeneous Data | BUPT | NeurIPS | 2023年 | [PUB] [PDF] [CODE] |
| Handling Data Heterogeneity via Architectural Design for Federated Visual Recognition | MBZUAI | NeurIPS | 2023年 | [PUB] [PDF] [CODE] |
| Private Federated Frequency Estimation: Adapting to the Hardness of the Instance | JHU | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] |
| Zeroth-Order Methods for Nondifferentiable, Nonconvex, and Hierarchical Federated Optimization | Rutgers University | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] |
| Incentivized Communication for Federated Bandits | University of Virginia | NeurIPS | 2023年 | [PUB] [PDF] |
| Multiply Robust Federated Estimation of Targeted Average Treatment Effects | ノースイースタン大学 | NeurIPS | 2023年 | [PUB] [PDF] |
| IBA: Towards Irreversible Backdoor Attacks in Federated Learning | Vanderbilt University; VinUniversity | NeurIPS | 2023年 | [PUB] [SUPP] [CODE] |
| EvoFed: Leveraging Evolutionary Strategies for Communication-Efficient Federated Learning | KAIST | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] |
| Federated Linear Bandits with Finite Adversarial Actions | University of Virginia | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] |
| FedNAR: Federated Optimization with Normalized Annealing Regularization | MBZUAI | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] [CODE] |
| Guiding The Last Layer in Federated Learning with Pre-Trained Models | コンコルディア大学 | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] [CODE] |
| Fine-Grained Theoretical Analysis of Federated Zeroth-Order Optimization | HZAU | NeurIPS | 2023年 | [PUB] [SUPP] |
| Navigating Data Heterogeneity in Federated Learning: A Semi-Supervised Approach for Object Detection | KAIST | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] [CODE] |
| A Data-Free Approach to Mitigate Catastrophic Forgetting in Federated Class Incremental Learning for Vision Tasks | USC | NeurIPS | 2023年 | [PUB] [PDF] [CODE] |
| Is Heterogeneity Notorious? Taming Heterogeneity to Handle Test-Time Shift in Federated Learning | UTS | NeurIPS | 2023年 | [PUB] [SUPP] |
| One-Pass Distribution Sketch for Measuring Data Heterogeneity in Federated Learning | Rice University | NeurIPS | 2023年 | [PUB] [SUPP] [CODE] |
| Lockdown: Backdoor Defense for Federated Learning with Isolated Subspace Training | Gatech | NeurIPS | 2023年 | [PUB] [SUPP] [CODE] |
| FedGame: A Game-Theoretic Defense against Backdoor Attacks in Federated Learning | PSU; UIUC | NeurIPS | 2023年 | [PUB] [SUPP] [CODE] |
| Towards Personalized Federated Learning via Heterogeneous Model Reassembly | 電源ユニット | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] [CODE] |
| Every Parameter Matters: Ensuring the Convergence of Federated Learning with Dynamic Heterogeneous Models Reduction | GWU | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] |
| DFRD: Data-Free Robustness Distillation for Heterogeneous Federated Learning | ECNU | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] [CODE] |
| A Unified Solution for Privacy and Communication Efficiency in Vertical Federated Learning | Western University | NeurIPS | 2023年 | [PUB] [SUPP] [CODE] |
| RECESS Vaccine for Federated Learning: Proactive Defense Against Model Poisoning Attacks | Xidian University; University of Guelph; Zhejiang Key Laboratory of Multi-dimensional Perception Technology, Application and Cybersecurity | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] |
| Federated Learning with Bilateral Curation for Partially Class-Disjoint Data | SJTU; Shanghai AI Laboratory | NeurIPS | 2023年 | [PUB] [SUPP] [CODE] |
| Federated Learning with Client Subsampling, Data Heterogeneity, and Unbounded Smoothness: A New Algorithm and Lower Bounds | GMU; SJTU | NeurIPS | 2023年 | [PUB] [SUPP] [CODE] |
| FedL2P: Federated Learning to Personalize | University of Cambridge; Samsung AI Center | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] [CODE] |
| Adaptive Test-Time Personalization for Federated Learning | UIUC | NeurIPS | 2023年 | [PUB] [PDF] [CODE] |
| Federated Conditional Stochastic Optimization | University of Pittsburgh | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] [CODE] |
| Federated Spectral Clustering via Secure Similarity Reconstruction | 香港 | NeurIPS | 2023年 | [パブ] |
| Mobilizing Personalized Federated Learning in Infrastructure-Less and Heterogeneous Environments via Random Walk Stochastic ADMM | UM-Dearborn | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] |
| FedGCN: Convergence-Communication Tradeoffs in Federated Training of Graph Convolutional Networks | CMU | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] [CODE] |
| Federated Multi-Objective Learning | RIT | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] |
| FLuID: Mitigating Stragglers in Federated Learning using Invariant Dropout | University of British Columbia; Gatech | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] [CODE] |
| Resolving the Tug-of-War: A Separation of Communication and Learning in Federated Learning | University of Pittsburgh | NeurIPS | 2023年 | [PUB] [SUPP] |
| Communication-Efficient Federated Bilevel Optimization with Global and Local Lower Level Problems | University of Pittsburgh | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] |
| StableFDG: Style and Attention Based Learning for Federated Domain Generalization | KAIST;パデュー大学 | NeurIPS | 2023年 | [PUB] [PDF] |
| Understanding How Consistency Works in Federated Learning via Stage-wise Relaxed Initialization | The University of Sydney | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] |
| DELTA: Diverse Client Sampling for Fasting Federated Learning | CUHK; The Shenzhen Institute of Artificial Intelligence and Robotics for Society | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] |
| Federated Compositional Deep AUC Maximization | Temple University | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] |
| A3FL: Adversarially Adaptive Backdoor Attacks to Federated Learning | 電源ユニット | NeurIPS | 2023年 | [PUB] [SUPP] [CODE] |
| Flow: Per-instance Personalized Federated Learning | University of Massachusetts | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] [CODE] |
| Eliminating Domain Bias for Federated Learning in Representation Space | SJTU | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] [CODE] |
| Federated Learning with Manifold Regularization and Normalized Update Reaggregation | 少し | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] |
| Structured Federated Learning through Clustered Additive Modeling | University of Technology Sydney | NeurIPS | 2023年 | [PUB] [SUPP] |
| Fed-GraB: Federated Long-tailed Learning with Self-Adjusting Gradient Balancer | ZJU; Singapore University of Technology and Design | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] [CODE] |
| Dynamic Personalized Federated Learning with Adaptive Differential Privacy | WHU | NeurIPS | 2023年 | [PUB] [SUPP] [CODE] |
| Fed-CO$_{2}$ : Cooperation of Online and Offline Models for Severe Data Heterogeneity in Federated Learning | ShanghaiTech University | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] [CODE] |
| Solving a Class of Non-Convex Minimax Optimization in Federated Learning | University of Pittsburgh | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] [CODE] |
| Federated Learning via Meta-Variational Dropout | SNU | NeurIPS | 2023年 | [PUB] [CODE] |
| Improved Communication Efficiency in Federated Natural Policy Gradient via ADMM-based Gradient Updates | パデュー大学 | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] |
| SPACE: Single-round Participant Amalgamation for Contribution Evaluation in Federated Learning | NTU | NeurIPS | 2023年 | [PUB] [CODE] |
| Fed-FA: Theoretically Modeling Client Data Divergence for Federated Language Backdoor Defense | PKU;テンセント | NeurIPS | 2023年 | [PUB] [SUPP] |
| FedFed: Feature Distillation against Data Heterogeneity in Federated Learning | BUAA; HKBU | NeurIPS | 2023年 | [PUB] [PDF] [CODE] |
| PRIOR: Personalized Prior for Reactivating the Information Overlooked in Federated Learning | SCU | NeurIPS | 2023年 | [PUB] [SUPP] [PDF] [CODE] [解读] |
| Spectral Co-Distillation for Personalized Federated Learning | SUTD | NeurIPS | 2023年 | [パブ] |
| Breaking the Communication-Privacy-Accuracy Tradeoff with | ZJU | NeurIPS | 2023 | [PUB] [SUPP] [PDF] |
| Exact Optimality of Communication-Privacy-Utility Tradeoffs in Distributed Mean Estimation | スタンフォード大学 | NeurIPS | 2023 | [PUB] [SUPP] [PDF] [CODE] |
| (Amplified) Banded Matrix Factorization: A unified approach to private training | Google DeepMind | NeurIPS | 2023 | [PUB] [SUPP] [PDF] |
| Aggregating Capacity in FL through Successive Layer Training for Computationally-Constrained Devices | キット | NeurIPS | 2023 | [PUB] [SUPP] [PDF] [CODE] |
| Privacy Amplification via Compression: Achieving the Optimal Privacy-Accuracy-Communication Trade-off in Distributed Mean Estimation | スタンフォード大学 | NeurIPS | 2023 | [PUB] [SUPP] [PDF] |
| Incentivizing Honesty among Competitors in Collaborative Learning and Optimization | チューリッヒ工科大学 | NeurIPS | 2023 | [PUB] [SUPP] [PDF] |
| Resilient Constrained Learning | UPenn | NeurIPS | 2023 | [PUB] [SUPP] [PDF] |
| A Computation and Communication Efficient Method for Distributed Nonconvex Problems in the Partial Participation Setting | KAUST | NeurIPS | 2023 | [PUB] [SUPP] [PDF] [CODE] |
| Collaboratively Learning Linear Models with Structured Missing Data | スタンフォード大学 | NeurIPS | 2023 | [PUB] [SUPP] [PDF] [CODE] |
| Gradient Descent with Linearly Correlated Noise: Theory and Applications to Differential Privacy | EPFL | NeurIPS | 2023 | [PUB] [SUPP] [PDF] |
| Fast Optimal Locally Private Mean Estimation via Random Projections | アップル社 | NeurIPS | 2023 | [PUB] [SUPP] [PDF] [CODE] |
| Contextual Stochastic Bilevel Optimization | EPFL; ETH Zürich | NeurIPS | 2023 | [PUB] [SUPP] [PDF] |
| Understanding Deep Gradient Leakage via Inversion Influence Functions | MSU; Michigan State University; University of Texas at Austin | NeurIPS | 2023 | [PUB] [SUPP] [PDF] [CODE] |
| Inner Product-based Neural Network Similarity | パデュー大学 | NeurIPS | 2023 | [PUB] [SUPP] |
| Correlation Aware Sparsified Mean Estimation Using Random Projection | CMU | NeurIPS | 2023 | [PUB] [SUPP] [PDF] [CODE] |
| TIES-Merging: Resolving Interference When Merging Models | UNC | NeurIPS | 2023 | [PUB] [SUPP] [PDF] [CODE] |
| Global Update Tracking: A Decentralized Learning Algorithm for Heterogeneous Data | パデュー大学 | NeurIPS | 2023 | [PUB] [SUPP] [PDF] [CODE] |
| Large-Scale Distributed Learning via Private On-Device LSH | UMD | NeurIPS | 2023 | [PUB] [SUPP] [PDF] |
| Faster Relative Entropy Coding with Greedy Rejection Coding | ケンブリッジ大学 | NeurIPS | 2023 | [PUB] [SUPP] [PDF] [CODE] |
| Global Convergence Analysis of Local SGD for Two-layer Neural Network without Overparameterization | SJTU | NeurIPS | 2023 | [PUB] [SUPP] |
| Momentum Provably Improves Error Feedback! | ETH AI Center;チューリッヒ工科大学 | NeurIPS | 2023 | [PUB] [SUPP] [PDF] |
| Strategic Data Sharing between Competitors | Sofia University | NeurIPS | 2023 | [PUB] [SUPP] [PDF] |
| H-nobs: Achieving Certified Fairness and Robustness in Distributed Learning on Heterogeneous Datasets | GMU | NeurIPS | 2023 | [パブ] |
| Wyze Rule: Federated Rule Dataset for Rule Recommendation Benchmarking | Wyze Labs | NeurIPS Datasets and Benchmarks | 2023 | [PUB] [SUPP] [DATASET] |
| Towards Federated Foundation Models: Scalable Dataset Pipelines for Group-Structured Learning | Google Research | NeurIPS Datasets and Benchmarks | 2023 | [PUB] [PDF] [DATASET] |
| Text-driven Prompt Generation for Vision-Language Models in Federated Learning | NeurIPS workshop | 2023 | [パブ] | |
| HePCo: Data-Free Heterogeneous Prompt Consolidation for Continual Federated Learning | NeurIPS workshop | 2023 | [パブ] | |
| Beyond Gradient and Priors in Privacy Attacks: Leveraging Pooler Layer Inputs of Language Models in Federated Learning | NeurIPS workshop | 2023 | [パブ] | |
| FOCUS: Fairness via Agent-Awareness for Federated Learning on Heterogeneous Data | NeurIPS workshop | 2023 | [パブ] | |
| FedSoL: Bridging Global Alignment and Local Generality in Federated Learning | NeurIPS workshop | 2023 | [パブ] | |
| One-shot Empirical Privacy Estimation for Federated Learning | NeurIPS workshop | 2023 | [パブ] | |
| Profit: Benchmarking Personalization and Robustness Trade-off in Federated Prompt Tuning | NeurIPS workshop | 2023 | [パブ] | |
| SLoRA: Federated Parameter Efficient Fine-Tuning of Language Models | NeurIPS workshop | 2023 | [パブ] | |
| The Fair Value of Data Under Heterogeneous Privacy Constraints in Federated Learning | NeurIPS workshop | 2023 | [パブ] | |
| Towards Building the FederatedGPT: Federated Instruction Tuning | NeurIPS workshop | 2023 | [パブ] | |
| Federated Learning for Speech Recognition: Revisiting Current Trends Towards Large-Scale ASR | NeurIPS workshop | 2023 | [パブ] | |
| LASER: Linear Compression in Wireless Distributed Optimization | NeurIPS workshop | 2023 | [パブ] | |
| MARINA Meets Matrix Stepsizes: Variance Reduced Distributed Non-Convex Optimization | NeurIPS workshop | 2023 | [パブ] | |
| TAMUNA: Doubly Accelerated Federated Learning with Local Training, Compression, and Partial Participation | NeurIPS workshop | 2023 | [パブ] | |
| An Empirical Evaluation of Federated Contextual Bandit Algorithms | NeurIPS workshop | 2023 | [パブ] | |
| RealFM: A Realistic Mechanism to Incentivize Data Contribution and Device Participation | NeurIPS workshop | 2023 | [パブ] | |
| FDAPT: Federated Domain-adaptive Pre-training for Language Models | NeurIPS workshop | 2023 | [パブ] | |
| Making Batch Normalization Great in Federated Deep Learning | NeurIPS workshop | 2023 | [パブ] | |
| Correlated Noise Provably Beats Independent Noise for Differentially Private Learning | NeurIPS workshop | 2023 | [パブ] | |
| Parameter Averaging Laws for Multitask Language Models | NeurIPS workshop | 2023 | [パブ] | |
| Breaking Physical and Linguistic Borders: Multilingual Federated Prompt Tuning for Low-Resource Languages | NeurIPS workshop | 2023 | [パブ] | |
| Beyond Parameter Averaging in Model Aggregation | NeurIPS workshop | 2023 | [パブ] | |
| Augmenting Federated Learning with Pretrained Transformers | NeurIPS workshop | 2023 | [パブ] | |
| Consensus Optimization at Representation: Improving Personalized Federated Learning via Data-Centric Regularization | NeurIPS workshop | 2023 | [パブ] | |
| DPZero: Dimension-Independent and Differentially Private Zeroth-Order Optimization | NeurIPS workshop | 2023 | [パブ] | |
| Leveraging Foundation Models to Improve Lightweight Clients in Federated Learning | NeurIPS workshop | 2023 | [パブ] | |
| FedML-HE: An Efficient Homomorphic-Encryption-Based Privacy-Preserving Federated Learning System | NeurIPS workshop | 2023 | [パブ] | |
| Learning Optimizers for Local SGD | NeurIPS workshop | 2023 | [パブ] | |
| Exploring User-level Gradient Inversion with a Diffusion Prior | NeurIPS workshop | 2023 | [パブ] | |
| User Inference Attacks on Large Language Models | NeurIPS workshop | 2023 | [パブ] | |
| FedLDA: Personalized Federated Learning Through Collaborative Linear Discriminant Analysis | NeurIPS workshop | 2023 | [パブ] | |
| Heterogeneous LoRA for Federated Fine-tuning of On-device Foundation Models | NeurIPS workshop | 2023 | [パブ] | |
| Backdoor Threats from Compromised Foundation Models to Federated Learning | NeurIPS workshop | 2023 | [パブ] | |
| MOFL/D: A Federated Multi-objective Learning Framework with Decomposition | NeurIPS workshop | 2023 | [パブ] | |
| Absolute Variation Distance: an Inversion Attack Evaluation Metric for Federated Learning | NeurIPS workshop | 2023 | [パブ] | |
| Fed3R: Recursive Ridge Regression for Federated Learning with strong pre-trained models | NeurIPS workshop | 2023 | [パブ] | |
| FedFN: Feature Normalization for Alleviating Data Heterogeneity Problem in Federated Learning | NeurIPS workshop | 2023 | [パブ] | |
| Private and Personalized Histogram Estimation in a Federated Setting | NeurIPS workshop | 2023 | [パブ] | |
| The Aggregation–Heterogeneity Trade-off in Federated Learning | PKU | コルト | 2023 | [パブ] |
| FLASH: Automating federated learning using CASH | Rensselaer Polytechnic Institute | UAI | 2023 | [PUB] [SUPP] [MATERIAL] |
| Personalized federated domain adaptation for item-to-item recommendation | AWS AI Labs | UAI | 2023 | [PUB] [PDF] [SUPP] [MATERIAL] [CODE] |
| Fed-LAMB: Layer-wise and Dimension-wise Locally Adaptive Federated Learning | Baidu Research | UAI | 2023 | [PUB] [PDF] [SUPP] [MATERIAL] |
| Federated learning of models pre-trained on different features with consensus graphs | IBM Research | UAI | 2023 | [PUB] [SUPP] [MATERIAL] [CODE] |
| Fast Heterogeneous Federated Learning with Hybrid Client Selection | NWPU | UAI | 2023 | [PUB] [SUPP] [MATERIAL] [PDF] |
| Learning To Invert: Simple Adaptive Attacks for Gradient Inversion in Federated Learning | Cornell University | UAI | 2023 | [PUB] [PDF] [SUPP] [MATERIAL] [CODE] |
| Dynamic Regularized Sharpness Aware Minimization in Federated Learning: Approaching Global Consistency and Smooth Landscape | The University of Sydney | ICML | 2023 | [PUB] [PDF] [SLIDES] |
| Analysis of Error Feedback in Federated Non-Convex Optimization with Biased Compression: Fast Convergence and Partial Participation | LinkedIn Ads | ICML | 2023 | [PUB] [PDF] |
| FedHPO-Bench: A Benchmark Suite for Federated Hyperparameter Optimization | Alibaba Group | ICML | 2023 | [PUB] [PDF] [CODE] |
| Federated Conformal Predictors for Distributed Uncertainty Quantification | マサチューセッツ工科大学 | ICML | 2023 | [PUB] [PDF] [CODE] |
| Federated Adversarial Learning: A Framework with Convergence Analysis | UBC | ICML | 2023 | [PUB] [PDF] |
| Federated Heavy Hitter Recovery under Linear Sketching | Google Research | ICML | 2023 | [PUB] [PDF] [CODE] |
| Doubly Adversarial Federated Bandits | London School of Economics and Political Science | ICML | 2023 | [PUB] [PDF] [CODE] |
| Achieving Linear Speedup in Non-IID Federated Bilevel Learning | UC | ICML | 2023 | [PUB] [PDF] |
| One-Shot Federated Conformal Prediction | Université Paris-Saclay | ICML | 2023 | [PUB] [PDF] [CODE] |
| Federated Online and Bandit Convex Optimization | TTIC | ICML | 2023 | [パブ] |
| Federated Linear Contextual Bandits with User-level Differential Privacy | The Pennsylvania State University | ICML | 2023 | [PUB] [PDF] |
| Vertical Federated Graph Neural Network for Recommender System | NUS | ICML | 2023 | [PUB] [PDF] [CODE] |
| Communication-Efficient Federated Hypergradient Computation via Aggregated Iterative Differentiation | University at Buffalo | ICML | 2023 | [PUB] [PDF] |
| Towards Understanding Ensemble Distillation in Federated Learning | KAIST | ICML | 2023 | [パブ] |
| Personalized Subgraph Federated Learning | KAIST | ICML | 2023 | [PUB] [PDF] [CODE] |
| Conformal Prediction for Federated Uncertainty Quantification Under Label Shift | Lagrange Mathematics and Computing Research Center; CMAP | ICML | 2023 | [PUB] [PDF] |
| Secure Federated Correlation Test and Entropy Estimation | CMU | ICML | 2023 | [PUB] [PDF] |
| Out-of-Distribution Generalization of Federated Learning via Implicit Invariant Relationships | JLU | ICML | 2023 | [PUB] [CODE] |
| Personalized Federated Learning under Mixture of Distributions | UCLA | ICML | 2023 | [PUB] [PDF] [CODE] |
| FedDisco: Federated Learning with Discrepancy-Aware Collaboration | SJTU | ICML | 2023 | [PUB] [PDF] [CODE] |
| Anchor Sampling for Federated Learning with Partial Client Participation | パデュー大学 | ICML | 2023 | [PUB] [PDF] [CODE] |
| Private Federated Learning with Autotuned Compression | JHU;グーグル | ICML | 2023 | [PUB] [PDF] |
| Fast Federated Machine Unlearning with Nonlinear Functional Theory | オーバーン大学 | ICML | 2023 | [パブ] |
| On the Convergence of Federated Averaging with Cyclic Client Participation | CMU | ICML | 2023 | [PUB] [PDF] |
| Revisiting Weighted Aggregation in Federated Learning with Neural Networks | ZJU | ICML | 2023 | [PUB] [PDF] [CODE] |
| The Blessing of Heterogeneity in Federated Q-Learning: Linear Speedup and Beyond | CMU | ICML | 2023 | [PUB] [PDF] [SLIDES] |
| GuardHFL: Privacy Guardian for Heterogeneous Federated Learning | UESTC; NTU | ICML | 2023 | [パブ] |
| Flash: Concept Drift Adaptation in Federated Learning | University of Massachusetts | ICML | 2023 | [パブ] |
| DoCoFL: Downlink Compression for Cross-Device Federated Learning | VMware Research;テクニオン | ICML | 2023 | [PUB] [PDF] |
| FeDXL: Provable Federated Learning for Deep X-Risk Optimization | テキサス A&M 大学 | ICML | 2023 | [PUB] [PDF] [CODE] |
| No One Idles: Efficient Heterogeneous Federated Learning with Parallel Edge and Server Computation | 打つ | ICML | 2023 | [PUB] [CODE] |
| Personalized Federated Learning with Inferred Collaboration Graphs | SJTU | ICML | 2023 | [PUB] [CODE] |
| Optimizing the Collaboration Structure in Cross-Silo Federated Learning | UIUC | ICML | 2023 | [PUB] [PDF] [CODE] [SLIDES] |
| TabLeak: Tabular Data Leakage in Federated Learning | チューリッヒ工科大学 | ICML | 2023 | [PUB] [PDF] [CODE] |
| FedCR: Personalized Federated Learning Based on Across-Client Common Representation with Conditional Mutual Information Regularization | SJTU | ICML | 2023 | [PUB] [CODE] |
| Fed-CBS: A Heterogeneity-Aware Client Sampling Mechanism for Federated Learning via Class-Imbalance Reduction | デューク大学 | ICML | 2023 | [PUB] [PDF] |
| Privacy-Aware Compression for Federated Learning Through Numerical Mechanism Design | Meta AI | ICML | 2023 | [PUB] [PDF] [CODE] |
| SRATTA: Sample Re-ATTribution Attack of Secure Aggregation in Federated Learning | Owkin Inc. | ICML | 2023 | [PUB] [PDF] [CODE] |
| Improving the Model Consistency of Decentralized Federated Learning | 木 | ICML | 2023 | [PUB] [PDF] |
| Efficient Personalized Federated Learning via Sparse Model-Adaptation | Alibaba Group | ICML | 2023 | [PUB] [PDF] [CODE] |
| From Noisy Fixed-Point Iterations to Private ADMM for Centralized and Federated Learning | Univ.リール | ICML | 2023 | [PUB] [PDF] [CODE] |
| LeadFL: Client Self-Defense against Model Poisoning in Federated Learning | TUD | ICML | 2023 | [PUB] [CODE] |
| Chameleon: Adapting to Peer Images for Planting Durable Backdoors in Federated Learning | HKUST | ICML | 2023 | [PUB] [PDF] [CODE] |
| FedVS: Straggler-Resilient and Privacy-Preserving Vertical Federated Learning for Split Models | HKUST | ICML | 2023 | [PUB] [PDF] |
| FedBR: Improving Federated Learning on Heterogeneous Data via Local Learning Bias Reduction | CUHK; The Shenzhen Institute of Artificial Intelligence and Robotics for Society | ICML | 2023 | [PUB] [PDF] [CODE] |
| Towards Unbiased Training in Federated Open-world Semi-supervised Learning | PolyU | ICML | 2023 | [PUB] [PDF] [SLIDES] |
| Cocktail Party Attack: Breaking Aggregation-Based Privacy in Federated Learning Using Independent Component Analysis | Georgia Tech; Meta AI | ICML | 2023 | [PUB] [PDF] |
| Surrogate Model Extension (SME): A Fast and Accurate Weight Update Attack on Federated Learning | KU Leuven | ICML | 2023 | [PUB] [PDF] [CODE] |
| Fair yet Asymptotically Equal Collaborative Learning | NUS | ICML | 2023 | [PUB] [PDF] [CODE] |
| Sketching for First Order Method: Efficient Algorithm for Low-Bandwidth Channel and Vulnerability | Adobe Research | ICML | 2023 | [PUB] [PDF] |
| Adversarial Collaborative Learning on Non-IID Features | UC Berkeley; NUS | ICML | 2023 | [パブ] |
| XTab: Cross-table Pretraining for Tabular Transformers | EPFL; Cornell University; AWS | ICML | 2023 | [PUB] [PDF] [CODE] |
| Momentum Ensures Convergence of SIGNSGD under Weaker Assumptions | NUDT | ICML | 2023 | [パブ] |
| Byzantine-Robust Learning on Heterogeneous Data via Gradient Splitting | Key Lab of Intelligent Computing Based Big Data of Zhejiang Province; ZJU; Sony Al | ICML | 2023 | [PUB] [PDF] [CODE] |
| LESS-VFL: Communication-Efficient Feature Selection for Vertical Federated Learning | Rensselaer Polytechnic Institute | ICML | 2023 | [PUB] [PDF] |
| FedAvg Converges to Zero Training Loss Linearly for Overparameterized Multi-Layer Neural Networks | University of Minnesota | ICML | 2023 | [パブ] |
| Addressing Budget Allocation and Revenue Allocation in Data Market Environments Using an Adaptive Sampling Algorithm | シカゴ大学 | ICML | 2023 | [PUB] [PDF] [CODE] |
| Ensemble and continual federated learning for classification tasks. | Universidade de Santiago de Compostela | Mach Learn | 2023 | [PUB] [PDF] |
| FAC-fed: Federated adaptation for fairness and concept drift aware stream classification | Leibniz University of Hannover | Mach Learn | 2023 | [パブ] |
| Robust federated learning under statistical heterogeneity via hessian-weighted aggregation | Deakin University | Mach Learn | 2023 | [パブ] |
| FedLab: A Flexible Federated Learning Framework | UESTC; Peng Cheng Lab | JMLR | 2023 | [PUB] [PDF] [CODE] |
| Minimax Estimation for Personalized Federated Learning: An Alternative between FedAvg and Local Training? | JMLR | 2023年 | [パブ] | |
| Memory-Based Optimization Methods for Model-Agnostic Meta-Learning and Personalized Federated Learning | TAMU | JMLR | 2023 | [PUB] [PDF] [CODE] |
| A First Look into the Carbon Footprint of Federated Learning | ケンブリッジ大学 | JMLR | 2023 | [PUB] [PDF] |
| Attacks against Federated Learning Defense Systems and their Mitigation | The University of Newcastle | JMLR | 2023 | [PUB] [CODE] |
| A General Theory for Federated Optimization with Asynchronous and Heterogeneous Clients Updates | Universit ́e Cˆ ote d'Azur | JMLR | 2023 | [PUB] [PDF] [CODE] |
| Tighter Regret Analysis and Optimization of Online Federated Learning | 漢陽大学 | TPAMI | 2023 | [PUB] [PDF] |
| Efficient Federated Learning Via Local Adaptive Amended Optimizer With Linear Speedup | University of Sydney | TPAMI | 2023 | [PDF] |
| Federated Learning Via Inexact ADMM. | BJTU | TPAMI | 2023 | [PUB] [PDF] [CODE] |
| FedIPR: Ownership Verification for Federated Deep Neural Network Models | SJTU | TPAMI | 2023 | [PUB] [PDF] [CODE] [解读] |
| Decentralized Federated Averaging | NUDT | TPAMI | 2023年 | [PUB] [PDF] |
| Personalized Federated Learning with Feature Alignment and Classifier Collaboration | 木 | ICLR | 2023 | [PUB] [CODE] |
| MocoSFL: enabling cross-client collaborative self-supervised learning | ASU | ICLR | 2023 | [PUB] [CODE] |
| Single-shot General Hyper-parameter Optimization for Federated Learning | IBM | ICLR | 2023 | [PUB] [PDF] [CODE] |
| Where to Begin? Exploring the Impact of Pre-Training and Initialization in Federated | フェイスブック | ICLR | 2023 | [PUB] [PDF] [CODE] |
| FedExP: Speeding up Federated Averaging via Extrapolation | CMU | ICLR | 2023 | [PUB] [PDF] [CODE] |
| Turning the Curse of Heterogeneity in Federated Learning into a Blessing for Out-of-Distribution Detection | MSU | ICLR | 2023 | [PUB] [CODE] |
| DASHA: Distributed Nonconvex Optimization with Communication Compression and Optimal Oracle Complexity | KAUST | ICLR | 2023 | [PUB] [PDF] [CODE] |
| Machine Unlearning of Federated Clusters | イリノイ大学 | ICLR | 2023 | [PUB] [PDF] [CODE] |
| Federated Neural Bandits | NUS | ICLR | 2023 | [PUB] [PDF] [CODE] |
| FedFA: Federated Feature Augmentation | チューリッヒ工科大学 | ICLR | 2023 | [PUB] [PDF] [CODE] |
| Federated Learning as Variational Inference: A Scalable Expectation Propagation Approach | CMU | ICLR | 2023 | [PUB] [PDF] [CODE] |
| Better Generative Replay for Continual Federated Learning | University of Virginia | ICLR | 2023 | [PUB] [CODE] |
| Federated Learning from Small Datasets | IKIM | ICLR | 2023 | [PUB] [PDF] |
| Federated Nearest Neighbor Machine Translation | USTC | ICLR | 2023 | [PUB] [PDF] |
| Meta Knowledge Condensation for Federated Learning | A*STAR | ICLR | 2023 | [PUB] [PDF] |
| Test-Time Robust Personalization for Federated Learning | EPFL | ICLR | 2023 | [PUB] [PDF] [CODE] |
| DepthFL : Depthwise Federated Learning for Heterogeneous Clients | SNU | ICLR | 2023 | [パブ] |
| Towards Addressing Label Skews in One-Shot Federated Learning | NUS | ICLR | 2023 | [PUB] [CODE] |
| Towards Understanding and Mitigating Dimensional Collapse in Heterogeneous Federated Learning | NUS | ICLR | 2023 | [PUB] [PDF] [CODE] |
| Panning for Gold in Federated Learning: Targeted Text Extraction under Arbitrarily Large-Scale Aggregation | UMD | ICLR | 2023年 | [PUB] [CODE] |
| SWIFT: Rapid Decentralized Federated Learning via Wait-Free Model Communication | UMD | ICLR | 2023 | [PUB] [PDF] [CODE] |
| Private Federated Learning Without a Trusted Server: Optimal Algorithms for Convex Losses | USC | ICLR | 2023 | [PUB] [PDF] [CODE] |
| Effective passive membership inference attacks in federated learning against overparameterized models | パデュー大学 | ICLR | 2023 | [パブ] |
| FiT: Parameter Efficient Few-shot Transfer Learning for Personalized and Federated Image Classification | ケンブリッジ大学 | ICLR | 2023 | [PUB] [PDF] [CODE] |
| Multimodal Federated Learning via Contrastive Representation Ensemble | 木 | ICLR | 2023 | [PUB] [PDF] [CODE] |
| Faster federated optimization under second-order similarity | プリンストン大学 | ICLR | 2023 | [PUB] [PDF] [CODE] |
| FedSpeed: Larger Local Interval, Less Communication Round, and Higher Generalization Accuracy | University of Sydney | ICLR | 2023 | [PUB] [CODE] |
| The Best of Both Worlds: Accurate Global and Personalized Models through Federated Learning with Data-Free Hyper-Knowledge Distillation | ウテキサス | ICLR | 2023 | [PUB] [PDF] [CODE] |
| PerFedMask: Personalized Federated Learning with Optimized Masking Vectors | UBC | ICLR | 2023 | [PUB] [CODE] |
| EPISODE: Episodic Gradient Clipping with Periodic Resampled Corrections for Federated Learning with Heterogeneous Data | GMU | ICLR | 2023 | [PUB] [CODE] |
| FedDAR: Federated Domain-Aware Representation Learning | ハーバード大学 | ICLR | 2023 | [PUB] [PDF] [CODE] |
| Share Your Representation Only: Guaranteed Improvement of the Privacy-Utility Tradeoff in Federated Learning | うぺん | ICLR | 2023 | [PUB] [CODE] |
| FLIP: A Provable Defense Framework for Backdoor Mitigation in Federated Learning | パデュー大学 | ICLR | 2023 | [PUB] [PDF] [CODE] |
| Generalization Bounds for Federated Learning: Fast Rates, Unparticipating Clients and Unbounded Losses | RUC | ICLR | 2023 | [パブ] |
| Efficient Federated Domain Translation | パデュー大学 | ICLR | 2023 | [PUB] [CODE] |
| On the Importance and Applicability of Pre-Training for Federated Learning | 大須 | ICLR | 2023 | [PUB] [PDF] [CODE] |
| Decepticons: Corrupted Transformers Breach Privacy in Federated Learning for Language Models | UMD | ICLR | 2023年 | [PUB] [PDF] [CODE] |
| A Statistical Framework for Personalized Federated Learning and Estimation: Theory, Algorithms, and Privacy | UCLA | ICLR | 2023 | [PUB] [PDF] |
| Instance-wise Batch Label Restoration via Gradients in Federated Learning | BUAA | ICLR | 2023 | [PUB] [CODE] |
| Data-Free One-Shot Federated Learning Under Very High Statistical Heterogeneity | College of William and Mary | ICLR | 2023 | [パブ] |
| CANIFE: Crafting Canaries for Empirical Privacy Measurement in Federated Learning | University of Warwick | ICLR | 2023 | [PUB] [PDF] [CODE] |
| Sparse Random Networks for Communication-Efficient Federated Learning | スタンフォード | ICLR | 2023 | [PUB] [PDF] [CODE] |
| Combating Exacerbated Heterogeneity for Robust Decentralized Models | HKBU | ICLR | 2023 | [PUB] [CODE] |
| Hyperparameter Optimization through Neural Network Partitioning | ケンブリッジ大学 | ICLR | 2023 | [PUB] [PDF] |
| Does Decentralized Learning with Non-IID Unlabeled Data Benefit from Self Supervision? | マサチューセッツ工科大学 | ICLR | 2023 | [PUB] [PDF] [CODE] |
| Variance Reduction is an Antidote to Byzantines: Better Rates, Weaker Assumptions and Communication Compression as a Cherry on the Top | mbzuai | ICLR | 2023 | [PUB] [PDF] [CODE] |
| Dual Diffusion Implicit Bridges for Image-to-Image Translation | スタンフォード | ICLR | 2023 | [PUB] [PDF] [CODE] |
| An accurate, scalable and verifiable protocol for federated differentially private averaging | INRIA Lille | Mach Learn | 2022年 | [PUB] [PDF] |
| Federated online clustering of bandits. | 香港 | UAI | 2022年 | [PUB] [PDF] [CODE] |
| Privacy-aware compression for federated data analysis. | Meta AI | UAI | 2022年 | [PUB] [PDF] [CODE] |
| Faster non-convex federated learning via global and local momentum. | UTEXAS | UAI | 2022年 | [PUB] [PDF] |
| Fedvarp: Tackling the variance due to partial client participation in federated learning. | CMU | UAI | 2022年 | [PUB] [PDF] |
| SASH: Efficient secure aggregation based on SHPRG for federated learning | CAS; CASTEST | UAI | 2022年 | [PUB] [PDF] |
| Bayesian federated estimation of causal effects from observational data | NUS | UAI | 2022年 | [PUB] [PDF] |
| Communication-Efficient Randomized Algorithm for Multi-Kernel Online Federated Learning | 漢陽大学 | TPAMI | 2022年 | [パブ] |
| Lazily Aggregated Quantized Gradient Innovation for Communication-Efficient Federated Learning | ZJU | TPAMI | 2022年 | [PUB] [CODE] |
| Communication Acceleration of Local Gradient Methods via an Accelerated Primal-Dual Algorithm with an Inexact Prox | Moscow Institute of Physics and Technology | NeurIPS | 2022年 | [PUB] [PDF] |
| LAMP: Extracting Text from Gradients with Language Model Priors | ETHZ | NeurIPS | 2022年 | [PUB] [CODE] |
| FedAvg with Fine Tuning: Local Updates Lead to Representation Learning | ウテキサス | NeurIPS | 2022年 | [PUB] [PDF] |
| On Convergence of FedProx: Local Dissimilarity Invariant Bounds, Non-smoothness and Beyond | NUIST | NeurIPS | 2022年 | [PUB] [PDF] |
| Improved Differential Privacy for SGD via Optimal Private Linear Operators on Adaptive Streams | WISC | NeurIPS | 2022年 | [PUB] [CODE] |
| Decentralized Gossip-Based Stochastic Bilevel Optimization over Communication Networks | コロンビア大学 | NeurIPS | 2022年 | [PUB] [PDF] |
| Asymptotic Behaviors of Projected Stochastic Approximation: A Jump Diffusion Perspective | PKU | NeurIPS | 2022年 | [パブ] |
| Subspace Recovery from Heterogeneous Data with Non-isotropic Noise | スタンフォード | NeurIPS | 2022年 | [PUB] [PDF] |
| EF-BV: A Unified Theory of Error Feedback and Variance Reduction Mechanisms for Biased and Unbiased Compression in Distributed Optimization | KAUST | NeurIPS | 2022年 | [PUB] [PDF] |
| On-Demand Sampling: Learning Optimally from Multiple Distributions | カリフォルニア大学バークレー校 | NeurIPS | 2022年 | [PUB] [CODE] |
| Improved Utility Analysis of Private CountSketch | ITU | NeurIPS | 2022年 | [PUB] [PDF] [CODE] |
| Rate-Distortion Theoretic Bounds on Generalization Error for Distributed Learning | ファーウェイ | NeurIPS | 2022年 | [PUB] [CODE] |
| Decentralized Local Stochastic Extra-Gradient for Variational Inequalities | phystech | NeurIPS | 2022年 | [PUB] [PDF] |
| BEER: Fast O(1/T) Rate for Decentralized Nonconvex Optimization with Communication Compression | プリンストン | NeurIPS | 2022年 | [PUB] [PDF] [CODE] |
| Escaping Saddle Points with Bias-Variance Reduced Local Perturbed SGD for Communication Efficient Nonconvex Distributed Learning | 東京大学 | NeurIPS | 2022年 | [PUB] [PDF] |
| Near-Optimal Collaborative Learning in Bandits | INRIA; Inserm | NeurIPS | 2022年 | [PUB] [PDF] [CODE] |
| Distributed Methods with Compressed Communication for Solving Variational Inequalities, with Theoretical Guarantees | phystech | NeurIPS | 2022年 | [PUB] [PDF] |
| Towards Optimal Communication Complexity in Distributed Non-Convex Optimization | TTIC | NeurIPS | 2022年 | [PUB] [CODE] |
| FedPop: A Bayesian Approach for Personalised Federated Learning | Skoltech | NeurIPS | 2022年 | [PUB] [PDF] |
| Fairness in Federated Learning via Core-Stability | UIUC | NeurIPS | 2022年 | [PUB] [CODE] |
| SecureFedYJ: a safe feature Gaussianization protocol for Federated Learning | Sorbonne Université | NeurIPS | 2022年 | [PUB] [PDF] |
| FedRolex: Model-Heterogeneous Federated Learning with Rolling Submodel Extraction | MSU | NeurIPS | 2022年 | [PUB] [CODE] |
| On Sample Optimality in Personalized Collaborative and Federated Learning | INRIA | NeurIPS | 2022年 | [パブ] |
| DReS-FL: Dropout-Resilient Secure Federated Learning for Non-IID Clients via Secret Data Sharing | HKUST | NeurIPS | 2022年 | [PUB] [PDF] |
| FairVFL: A Fair Vertical Federated Learning Framework with Contrastive Adversarial Learning | 木 | NeurIPS | 2022年 | [パブ] |
| Variance Reduced ProxSkip: Algorithm, Theory and Application to Federated Learning | KAUST | NeurIPS | 2022年 | [PUB] [PDF] |
| VF-PS: How to Select Important Participants in Vertical Federated Learning, Efficiently and Securely? | WHU | NeurIPS | 2022年 | [PUB] [CODE] |
| DENSE: Data-Free One-Shot Federated Learning | ZJU | NeurIPS | 2022年 | [PUB] [PDF] |
| CalFAT: Calibrated Federated Adversarial Training with Label Skewness | ZJU | NeurIPS | 2022年 | [PUB] [PDF] |
| SAGDA: Achieving O(ϵ−2) Communication Complexity in Federated Min-Max Learning | 大須 | NeurIPS | 2022年 | [PUB] [PDF] |
| Taming Fat-Tailed (“Heavier-Tailed” with Potentially Infinite Variance) Noise in Federated Learning | 大須 | NeurIPS | 2022年 | [PUB] [PDF] |
| Personalized Federated Learning towards Communication Efficiency, Robustness and Fairness | PKU | NeurIPS | 2022年 | [パブ] |
| Federated Submodel Optimization for Hot and Cold Data Features | SJTU | NeurIPS | 2022年 | [パブ] |
| BooNTK: Convexifying Federated Learning using Bootstrapped Neural Tangent Kernels | カリフォルニア大学バークレー校 | NeurIPS | 2022年 | [PUB] [PDF] |
| Byzantine-tolerant federated Gaussian process regression for streaming data | 電源ユニット | NeurIPS | 2022年 | [PUB] [CODE] |
| SoteriaFL: A Unified Framework for Private Federated Learning with Communication Compression | CMU | NeurIPS | 2022年 | [PUB] [PDF] |
| Coresets for Vertical Federated Learning: Regularized Linear Regression and K-Means Clustering | Yale | NeurIPS | 2022年 | [PUB] [PDF] [CODE] |
| Communication Efficient Federated Learning for Generalized Linear Bandits | University of Virginia | NeurIPS | 2022年 | [PUB] [CODE] |
| Recovering Private Text in Federated Learning of Language Models | プリンストン | NeurIPS | 2022年 | [PUB] [PDF] [CODE] |
| Federated Learning from Pre-Trained Models: A Contrastive Learning Approach | UTS | NeurIPS | 2022年 | [PUB] [PDF] |
| Global Convergence of Federated Learning for Mixed Regression | ノースイースタン大学 | NeurIPS | 2022年 | [PUB] [PDF] |
| Resource-Adaptive Federated Learning with All-In-One Neural Composition | JHU | NeurIPS | 2022年 | [パブ] |
| Self-Aware Personalized Federated Learning | アマゾン | NeurIPS | 2022年 | [PUB] [PDF] |
| A Communication-efficient Algorithm with Linear Convergence for Federated Minimax Learning | ノースイースタン大学 | NeurIPS | 2022年 | [PUB] [PDF] |
| An Adaptive Kernel Approach to Federated Learning of Heterogeneous Causal Effects | NUS | NeurIPS | 2022年 | [パブ] |
| Sharper Convergence Guarantees for Asynchronous SGD for Distributed and Federated Learning | EPFL | NeurIPS | 2022年 | [PUB] [PDF] |
| Personalized Online Federated Multi-Kernel Learning | UCI | NeurIPS | 2022年 | [パブ] |
| SemiFL: Semi-Supervised Federated Learning for Unlabeled Clients with Alternate Training | デューク大学 | NeurIPS | 2022年 | [PUB] [PDF] [CODE] |
| A Unified Analysis of Federated Learning with Arbitrary Client Participation | IBM | NeurIPS | 2022年 | [PUB] [PDF] |
| Preservation of the Global Knowledge by Not-True Distillation in Federated Learning | KAIST | NeurIPS | 2022年 | [PUB] [PDF] [CODE] |
| FedSR: A Simple and Effective Domain Generalization Method for Federated Learning | オックスフォード大学 | NeurIPS | 2022年 | [PUB] [CODE] |
| Factorized-FL: Personalized Federated Learning with Parameter Factorization & Similarity Matching | KAIST | NeurIPS | 2022年 | [PUB] [PDF] [CODE] |
| A Simple and Provably Efficient Algorithm for Asynchronous Federated Contextual Linear Bandits | UC | NeurIPS | 2022年 | [PUB] [PDF] |
| Learning to Attack Federated Learning: A Model-based Reinforcement Learning Attack Framework | Tulane University | NeurIPS | 2022年 | [パブ] |
| On Privacy and Personalization in Cross-Silo Federated Learning | CMU | NeurIPS | 2022年 | [PUB] [PDF] |
| A Coupled Design of Exploiting Record Similarity for Practical Vertical Federated Learning | NUS | NeurIPS | 2022年 | [PUB] [PDF] [CODE] |
| FLamby: Datasets and Benchmarks for Cross-Silo Federated Learning in Realistic Healthcare Settings | Owkin | NeurIPS Datasets and Benchmarks | 2022年 | [PUB] [CODE] |
| A Tree-based Model Averaging Approach for Personalized Treatment Effect Estimation from Heterogeneous Data Sources | University of Pittsburgh | ICML | 2022年 | [PUB] [PDF] [CODE] |
| Fast Composite Optimization and Statistical Recovery in Federated Learning | SJTU | ICML | 2022年 | [PUB] [PDF] [CODE] |
| Personalization Improves Privacy-Accuracy Tradeoffs in Federated Learning | ニューヨーク大学 | ICML | 2022年 | [PUB] [PDF] [CODE] |
| The Fundamental Price of Secure Aggregation in Differentially Private Federated Learning | Stanford; Google Research | ICML | 2022年 | [PUB] [PDF] [CODE] [SLIDE] |
| The Poisson Binomial Mechanism for Unbiased Federated Learning with Secure Aggregation | Stanford; Google Research | ICML | 2022年 | [PUB] [PDF] [CODE] |
| DisPFL: Towards Communication-Efficient Personalized Federated Learning via Decentralized Sparse Training | USTC | ICML | 2022年 | [PUB] [PDF] [CODE] |
| FedNew: A Communication-Efficient and Privacy-Preserving Newton-Type Method for Federated Learning | University of Oulu | ICML | 2022年 | [PUB] [PDF] [CODE] |
| DAdaQuant: Doubly-adaptive quantization for communication-efficient Federated Learning | ケンブリッジ大学 | ICML | 2022年 | [PUB] [PDF] [SLIDE] [CODE] |
| Accelerated Federated Learning with Decoupled Adaptive Optimization | オーバーン大学 | ICML | 2022年 | [PUB] [PDF] |
| Federated Reinforcement Learning: Linear Speedup Under Markovian Sampling | Georgia Tech | ICML | 2022年 | [PUB] [PDF] |
| Multi-Level Branched Regularization for Federated Learning | Seoul National University | ICML | 2022年 | [PUB] [PDF] [CODE] [PAGE] |
| FedScale: Benchmarking Model and System Performance of Federated Learning at Scale | ミシガン大学 | ICML | 2022年 | [PUB] [PDF] [CODE] |
| Federated Learning with Positive and Unlabeled Data | XJTU | ICML | 2022年 | [PUB] [PDF] [CODE] |
| Deep Neural Network Fusion via Graph Matching with Applications to Model Ensemble and Federated Learning | SJTU | ICML | 2022年 | [PUB] [CODE] |
| Orchestra: Unsupervised Federated Learning via Globally Consistent Clustering | ミシガン大学 | ICML | 2022年 | [PUB] [PDF] [CODE] |
| Disentangled Federated Learning for Tackling Attributes Skew via Invariant Aggregation and Diversity Transferring | USTC | ICML | 2022年 | [PUB] [PDF] [CODE] [SLIDE] [解读] |
| Architecture Agnostic Federated Learning for Neural Networks | The University of Texas at Austin | ICML | 2022年 | [PUB] [PDF] [SLIDE] |
| Personalized Federated Learning through Local Memorization | Inria | ICML | 2022年 | [PUB] [PDF] [CODE] |
| Proximal and Federated Random Reshuffling | KAUST | ICML | 2022年 | [PUB] [PDF] [CODE] |
| Federated Learning with Partial Model Personalization | ワシントン大学 | ICML | 2022年 | [PUB] [PDF] [CODE] |
| Generalized Federated Learning via Sharpness Aware Minimization | University of South Florida | ICML | 2022年 | [PUB] [PDF] |
| FedNL: Making Newton-Type Methods Applicable to Federated Learning | KAUST | ICML | 2022年 | [PUB] [PDF] [VIDEO] [SLIDE] |
| Federated Minimax Optimization: Improved Convergence Analyses and Algorithms | CMU | ICML | 2022年 | [PUB] [PDF] [SLIDE] |
| Virtual Homogeneity Learning: Defending against Data Heterogeneity in Federated Learning | Hong Kong Baptist University | ICML | 2022年 | [PUB] [PDF] [CODE] [解读] |
| FedNest: Federated Bilevel, Minimax, and Compositional Optimization | ミシガン大学 | ICML | 2022年 | [PUB] [PDF] [CODE] |
| EDEN: Communication-Efficient and Robust Distributed Mean Estimation for Federated Learning | VMware Research | ICML | 2022年 | [PUB] [PDF] [CODE] |
| Communication-Efficient Adaptive Federated Learning | ペンシルバニア州立大学 | ICML | 2022年 | [PUB] [PDF] |
| ProgFed: Effective, Communication, and Computation Efficient Federated Learning by Progressive Training | CISPA Helmholz Center for Information Security | ICML | 2022年 | [PUB] [PDF] [SLIDE] [CODE] |
| Fishing for User Data in Large-Batch Federated Learning via Gradient Magnification | メリーランド大学 | ICML | 2022年 | [PUB] [PDF] [CODE] |
| Anarchic Federated Learning | The Ohio State University | ICML | 2022年 | [PUB] [PDF] |
| QSFL: A Two-Level Uplink Communication Optimization Framework for Federated Learning | Nankai University | ICML | 2022年 | [PUB] [CODE] |
| Bitwidth Heterogeneous Federated Learning with Progressive Weight Dequantization | KAIST | ICML | 2022年 | [PUB] [PDF] |
| Neural Tangent Kernel Empowered Federated Learning | NC State University | ICML | 2022年 | [PUB] [PDF] [CODE] |
| Understanding Clipping for Federated Learning: Convergence and Client-Level Differential Privacy | UMN | ICML | 2022年 | [PUB] [PDF] |
| Personalized Federated Learning via Variational Bayesian Inference | CAS | ICML | 2022年 | [PUB] [PDF] [SLIDE] [UC.] |
| Federated Learning with Label Distribution Skew via Logits Calibration | ZJU | ICML | 2022年 | [パブ] |
| Neurotoxin: Durable Backdoors in Federated Learning | Southeast University;Princeton | ICML | 2022年 | [PUB] [PDF] [CODE] |
| Resilient and Communication Efficient Learning for Heterogeneous Federated Systems | Michigan State University | ICML | 2022年 | [パブ] |
| Minibatch vs Local SGD with Shuffling: Tight Convergence Bounds and Beyond | KAIST | ICLR (oral) | 2022年 | [PUB] [CODE] |
| Bayesian Framework for Gradient Leakage | チューリッヒ工科大学 | ICLR | 2022年 | [PUB] [PDF] [CODE] |
| Federated Learning from only unlabeled data with class-conditional-sharing clients | The University of Tokyo;香港 | ICLR | 2022年 | [PUB] [CODE] |
| FedChain: Chained Algorithms for Near-Optimal Communication Cost in Federated Learning | CMU; University of Illinois at Urbana-Champaign;ワシントン大学 | ICLR | 2022年 | [PUB] [PDF] |
| Acceleration of Federated Learning with Alleviated Forgetting in Local Training | 木 | ICLR | 2022年 | [PUB] [PDF] [CODE] |
| FedPara: Low-rank Hadamard Product for Communicatkion-Efficient Federated Learning | POSTECH | ICLR | 2022年 | [PUB] [PDF] [CODE] |
| An Agnostic Approach to Federated Learning with Class Imbalance | University of Pennsylvania | ICLR | 2022年 | [PUB] [CODE] |
| Efficient Split-Mix Federated Learning for On-Demand and In-Situ Customization | Michigan State University; The University of Texas at Austin | ICLR | 2022年 | [PUB] [PDF] [CODE] |
| Robbing the Fed: Directly Obtaining Private Data in Federated Learning with Modified Models | University of Maryland;ニューヨーク大学 | ICLR | 2022年 | [PUB] [PDF] [CODE] |
| ZeroFL: Efficient On-Device Training for Federated Learning with Local Sparsity | University of Cambridge;オックスフォード大学 | ICLR | 2022年 | [PUB] [PDF] |
| Diverse Client Selection for Federated Learning via Submodular Maximization | Intel; CMU | ICLR | 2022年 | [PUB] [CODE] |
| Recycling Model Updates in Federated Learning: Are Gradient Subspaces Low-Rank? | Purdue | ICLR | 2022年 | [PUB] [PDF] [CODE] |
| Diurnal or Nocturnal? Federated Learning of Multi-branch Networks from Periodically Shifting Distributions | University of Maryland;グーグル | ICLR | 2022年 | [PUB] [CODE] |
| Towards Model Agnostic Federated Learning Using Knowledge Distillation | EPFL | ICLR | 2022年 | [PUB] [PDF] [CODE] |
| Divergence-aware Federated Self-Supervised Learning | NTU; SenseTime | ICLR | 2022年 | [PUB] [PDF] [CODE] |
| What Do We Mean by Generalization in Federated Learning? | Stanford;グーグル | ICLR | 2022年 | [PUB] [PDF] [CODE] |
| FedBABU: Toward Enhanced Representation for Federated Image Classification | KAIST | ICLR | 2022年 | [PUB] [PDF] [CODE] |
| Byzantine-Robust Learning on Heterogeneous Datasets via Bucketing | EPFL | ICLR | 2022年 | [PUB] [PDF] [CODE] |
| Improving Federated Learning Face Recognition via Privacy-Agnostic Clusters | Aibee | ICLR Spotlight | 2022年 | [PUB] [PDF] [PAGE] [解读] |
| Hybrid Local SGD for Federated Learning with Heterogeneous Communications | University of Texas;ペンシルバニア州立大学 | ICLR | 2022年 | [パブ] |
| On Bridging Generic and Personalized Federated Learning for Image Classification | The Ohio State University | ICLR | 2022年 | [PUB] [PDF] [CODE] |
| Minibatch vs Local SGD with Shuffling: Tight Convergence Bounds and Beyond | KAIST;マサチューセッツ工科大学 | ICLR | 2022年 | [PUB] [PDF] |
| One-Shot Federated Learning: Theoretical Limits and Algorithms to Achieve Them. | JMLR | 2021年 | [PUB] [CODE] | |
| Constrained differentially private federated learning for low-bandwidth devices | UAI | 2021年 | [PUB] [PDF] | |
| Federated stochastic gradient Langevin dynamics | UAI | 2021年 | [PUB] [PDF] | |
| Federated Learning Based on Dynamic Regularization | BU;アーム | ICLR | 2021年 | [PUB] [PDF] [CODE] |
| Achieving Linear Speedup with Partial Worker Participation in Non-IID Federated Learning | The Ohio State University | ICLR | 2021年 | [PUB] [PDF] |
| HeteroFL: Computation and Communication Efficient Federated Learning for Heterogeneous Clients | デューク大学 | ICLR | 2021年 | [PUB] [PDF] [CODE] |
| FedMix: Approximation of Mixup under Mean Augmented Federated Learning | KAIST | ICLR | 2021年 | [PUB] [PDF] |
| Federated Learning via Posterior Averaging: A New Perspective and Practical Algorithms | CMU;グーグル | ICLR | 2021年 | [PUB] [PDF] [CODE] |
| Adaptive Federated Optimization | グーグル | ICLR | 2021年 | [PUB] [PDF] [CODE] |
| Personalized Federated Learning with First Order Model Optimization | Stanford;エヌビディア | ICLR | 2021年 | [PUB] [PDF] [CODE] [UC.] |
| FedBN: Federated Learning on Non-IID Features via Local Batch Normalization | プリンストン | ICLR | 2021年 | [PUB] [PDF] [CODE] |
| FedBE: Making Bayesian Model Ensemble Applicable to Federated Learning | The Ohio State University | ICLR | 2021年 | [PUB] [PDF] [CODE] |
| Federated Semi-Supervised Learning with Inter-Client Consistency & Disjoint Learning | KAIST | ICLR | 2021年 | [PUB] [PDF] [CODE] |
| KD3A: Unsupervised Multi-Source Decentralized Domain Adaptation via Knowledge Distillation | ZJU | ICML | 2021年 | [PUB] [PDF] [CODE] [解读] |
| Gradient Disaggregation: Breaking Privacy in Federated Learning by Reconstructing the User Participant Matrix | ハーバード大学 | ICML | 2021年 | [PUB] [PDF] [VIDEO] [CODE] |
| FL-NTK: A Neural Tangent Kernel-based Framework for Federated Learning Analysis | PKU;プリンストン | ICML | 2021年 | [PUB] [PDF] [VIDEO] |
| Personalized Federated Learning using Hypernetworks | Bar-Ilan University;エヌビディア | ICML | 2021年 | [PUB] [PDF] [CODE] [PAGE] [VIDEO] [解读] |
| Federated Composite Optimization | Stanford;グーグル | ICML | 2021年 | [PUB] [PDF] [CODE] [VIDEO] [SLIDE] |
| Exploiting Shared Representations for Personalized Federated Learning | University of Texas at Austin; University of Pennsylvania | ICML | 2021年 | [PUB] [PDF] [CODE] [VIDEO] |
| Data-Free Knowledge Distillation for Heterogeneous Federated Learning | Michigan State University | ICML | 2021年 | [PUB] [PDF] [CODE] [VIDEO] |
| Federated Continual Learning with Weighted Inter-client Transfer | KAIST | ICML | 2021年 | [PUB] [PDF] [CODE] [VIDEO] |
| Federated Deep AUC Maximization for Hetergeneous Data with a Constant Communication Complexity | The University of Iowa | ICML | 2021年 | [PUB] [PDF] [CODE] [VIDEO] |
| Bias-Variance Reduced Local SGD for Less Heterogeneous Federated Learning | 東京大学 | ICML | 2021年 | [PUB] [PDF] [VIDEO] |
| Federated Learning of User Verification Models Without Sharing Embeddings | Qualcomm | ICML | 2021年 | [PUB] [PDF] [VIDEO] |
| Clustered Sampling: Low-Variance and Improved Representativity for Clients Selection in Federated Learning | Accenture | ICML | 2021年 | [PUB] [PDF] [CODE] [VIDEO] |
| Ditto: Fair and Robust Federated Learning Through Personalization | CMU; Facebook AI | ICML | 2021年 | [PUB] [PDF] [CODE] [VIDEO] |
| Heterogeneity for the Win: One-Shot Federated Clustering | CMU | ICML | 2021年 | [PUB] [PDF] [VIDEO] |
| The Distributed Discrete Gaussian Mechanism for Federated Learning with Secure Aggregation | グーグル | ICML | 2021年 | [PUB] [PDF] [CODE] [VIDEO] |
| Debiasing Model Updates for Improving Personalized Federated Training | BU;アーム | ICML | 2021年 | [PUB] [CODE] [VIDEO] |
| One for One, or All for All: Equilibria and Optimality of Collaboration in Federated Learning | Toyota; Berkeley; Cornell University | ICML | 2021年 | [PUB] [PDF] [CODE] [VIDEO] |
| CRFL: Certifiably Robust Federated Learning against Backdoor Attacks | UIUC; IBM | ICML | 2021年 | [PUB] [PDF] [CODE] [VIDEO] |
| Federated Learning under Arbitrary Communication Patterns | Indiana University;アマゾン | ICML | 2021年 | [PUB] [VIDEO] |
| CANITA: Faster Rates for Distributed Convex Optimization with Communication Compression | CMU | NeurIPS | 2021年 | [PUB] [PDF] |
| Boosting with Multiple Sources | グーグル | NeurIPS | 2021年 | [パブ] |
| DRIVE: One-bit Distributed Mean Estimation | VMware | NeurIPS | 2021年 | [PUB] [CODE] |
| Gradient Driven Rewards to Guarantee Fairness in Collaborative Machine Learning | NUS | NeurIPS | 2021年 | [PUB] [CODE] |
| Gradient Inversion with Generative Image Prior | POSTECH | NeurIPS | 2021年 | [PUB] [PDF] [CODE] |
| Distributed Machine Learning with Sparse Heterogeneous Data | オックスフォード大学 | NeurIPS | 2021年 | [PUB] [PDF] |
| Renyi Differential Privacy of The Subsampled Shuffle Model In Distributed Learning | UCLA | NeurIPS | 2021年 | [PUB] [PDF] |
| Sageflow: Robust Federated Learning against Both Stragglers and Adversaries | KAIST | NeurIPS | 2021年 | [パブ] |
| CAFE: Catastrophic Data Leakage in Vertical Federated Learning | Rensselaer Polytechnic Institute; IBM Research | NeurIPS | 2021年 | [PUB] [CODE] |
| Fault-Tolerant Federated Reinforcement Learning with Theoretical Guarantee | NUS | NeurIPS | 2021年 | [PUB] [PDF] [CODE] |
| Optimality and Stability in Federated Learning: A Game-theoretic Approach | Cornell University | NeurIPS | 2021年 | [PUB] [PDF] [CODE] |
| QuPeD: Quantized Personalization via Distillation with Applications to Federated Learning | UCLA | NeurIPS | 2021年 | [PUB] [PDF] [CODE] [解读] |
| The Skellam Mechanism for Differentially Private Federated Learning | Google Research; CMU | NeurIPS | 2021年 | [PUB] [PDF] [CODE] |
| No Fear of Heterogeneity: Classifier Calibration for Federated Learning with Non-IID Data | NUS;ファーウェイ | NeurIPS | 2021年 | [PUB] [PDF] |
| STEM: A Stochastic Two-Sided Momentum Algorithm Achieving Near-Optimal Sample and Communication Complexities for Federated Learning | UMN | NeurIPS | 2021年 | [PUB] [PDF] |
| Subgraph Federated Learning with Missing Neighbor Generation | Emory; UBC; Lehigh University | NeurIPS | 2021年 | [PUB] [PDF] [CODE] [解读] |
| Evaluating Gradient Inversion Attacks and Defenses in Federated Learning | プリンストン | NeurIPS | 2021年 | [PUB] [PDF] [CODE] |
| Personalized Federated Learning With Gaussian Processes | Bar-Ilan University | NeurIPS | 2021年 | [PUB] [PDF] [CODE] |
| Differentially Private Federated Bayesian Optimization with Distributed Exploration | MIT; NUS | NeurIPS | 2021年 | [PUB] [PDF] [CODE] |
| Parameterized Knowledge Transfer for Personalized Federated Learning | PolyU | NeurIPS | 2021年 | [PUB] [PDF] [CODE] |
| Federated Reconstruction: Partially Local Federated Learning | Google Research | NeurIPS | 2021年 | [PUB] [PDF] [CODE] [UC.] |
| Fast Federated Learning in the Presence of Arbitrary Device Unavailability | THU; Princeton;マサチューセッツ工科大学 | NeurIPS | 2021年 | [PUB] [PDF] [CODE] |
| FL-WBC: Enhancing Robustness against Model Poisoning Attacks in Federated Learning from a Client Perspective | Duke University; Accenture Labs | NeurIPS | 2021年 | [PUB] [PDF] [CODE] |
| FjORD: Fair and Accurate Federated Learning under heterogeneous targets with Ordered Dropout | KAUST; Samsung AI Center | NeurIPS | 2021年 | [PUB] [PDF] |
| Linear Convergence in Federated Learning: Tackling Client Heterogeneity and Sparse Gradients | University of Pennsylvania | NeurIPS | 2021年 | [PUB] [PDF] [VIDEO] |
| Federated Multi-Task Learning under a Mixture of Distributions | INRIA; Accenture Labs | NeurIPS | 2021年 | [PUB] [PDF] [CODE] |
| Federated Graph Classification over Non-IID Graphs | エモリー | NeurIPS | 2021年 | [PUB] [PDF] [CODE] [解读] |
| Federated Hyperparameter Tuning: Challenges, Baselines, and Connections to Weight-Sharing | CMU; Hewlett Packard Enterprise | NeurIPS | 2021年 | [PUB] [PDF] [CODE] |
| On Large-Cohort Training for Federated Learning | グーグル; CMU | NeurIPS | 2021年 | [PUB] [PDF] [CODE] |
| DeepReduce: A Sparse-tensor Communication Framework for Federated Deep Learning | KAUST; Columbia University; University of Central Florida | NeurIPS | 2021年 | [PUB] [PDF] [CODE] |
| PartialFed: Cross-Domain Personalized Federated Learning via Partial Initialization | ファーウェイ | NeurIPS | 2021年 | [PUB] [VIDEO] |
| Federated Split Task-Agnostic Vision Transformer for COVID-19 CXR Diagnosis | KAIST | NeurIPS | 2021年 | [PUB] [PDF] |
| Addressing Algorithmic Disparity and Performance Inconsistency in Federated Learning | THU; Alibaba; Weill Cornell Medicine | NeurIPS | 2021年 | [PUB] [PDF] [CODE] |
| Federated Linear Contextual Bandits | The Pennsylvania State University; Facebook; University of Virginia | NeurIPS | 2021年 | [PUB] [PDF] [CODE] |
| Few-Round Learning for Federated Learning | KAIST | NeurIPS | 2021年 | [パブ] |
| Breaking the centralized barrier for cross-device federated learning | EPFL; Google Research | NeurIPS | 2021年 | [PUB] [CODE] [VIDEO] |
| Federated-EM with heterogeneity mitigation and variance reduction | Ecole Polytechnique; Google Research | NeurIPS | 2021年 | [PUB] [PDF] |
| Delayed Gradient Averaging: Tolerate the Communication Latency for Federated Learning | MIT;アマゾン;グーグル | NeurIPS | 2021年 | [PUB] [PAGE] [SLIDE] |
| FedDR – Randomized Douglas-Rachford Splitting Algorithms for Nonconvex Federated Composite Optimization | University of North Carolina at Chapel Hill; IBM Research | NeurIPS | 2021年 | [PUB] [PDF] [CODE] |
| Federated Adversarial Domain Adaptation | BU; Columbia University; Rutgers University | ICLR | 2020年 | [PUB] [PDF] [CODE] |
| DBA: Distributed Backdoor Attacks against Federated Learning | ZJU; IBM Research | ICLR | 2020年 | [PUB] [CODE] |
| Fair Resource Allocation in Federated Learning | CMU; Facebook AI | ICLR | 2020年 | [PUB] [PDF] [CODE] |
| Federated Learning with Matched Averaging | University of Wisconsin-Madison; IBM Research | ICLR | 2020年 | [PUB] [PDF] [CODE] |
| Differentially Private Meta-Learning | CMU | ICLR | 2020年 | [PUB] [PDF] |
| Generative Models for Effective ML on Private, Decentralized Datasets | グーグル | ICLR | 2020年 | [PUB] [PDF] [CODE] |
| On the Convergence of FedAvg on Non-IID Data | PKU | ICLR | 2020年 | [PUB] [PDF] [CODE] [解读] |
| FedBoost: A Communication-Efficient Algorithm for Federated Learning | グーグル | ICML | 2020年 | [PUB] [VIDEO] |
| FetchSGD: Communication-Efficient Federated Learning with Sketching | UC Berkeley; Johns Hopkins University;アマゾン | ICML | 2020年 | [PUB] [PDF] [VIDEO] [CODE] |
| SCAFFOLD: Stochastic Controlled Averaging for Federated Learning | EPFL;グーグル | ICML | 2020年 | [PUB] [PDF] [VIDEO] [UC.] [解读] |
| Federated Learning with Only Positive Labels | グーグル | ICML | 2020年 | [PUB] [PDF] [VIDEO] |
| From Local SGD to Local Fixed-Point Methods for Federated Learning | Moscow Institute of Physics and Technology; KAUST | ICML | 2020年 | [PUB] [PDF] [SLIDE] [VIDEO] |
| Acceleration for Compressed Gradient Descent in Distributed and Federated Optimization | KAUST | ICML | 2020年 | [PUB] [PDF] [SLIDE] [VIDEO] |
| Differentially-Private Federated Linear Bandits | マサチューセッツ工科大学 | NeurIPS | 2020年 | [PUB] [PDF] [CODE] |
| Federated Principal Component Analysis | University of Cambridge; Quine Technologies | NeurIPS | 2020年 | [PUB] [PDF] [CODE] |
| FedSplit: an algorithmic framework for fast federated optimization | カリフォルニア大学バークレー校 | NeurIPS | 2020年 | [PUB] [PDF] |
| Federated Bayesian Optimization via Thompson Sampling | NUS;マサチューセッツ工科大学 | NeurIPS | 2020年 | [PUB] [PDF] [CODE] |
| Lower Bounds and Optimal Algorithms for Personalized Federated Learning | KAUST | NeurIPS | 2020年 | [PUB] [PDF] |
| Robust Federated Learning: The Case of Affine Distribution Shifts | UC Santa Barbara;マサチューセッツ工科大学 | NeurIPS | 2020年 | [PUB] [PDF] [CODE] |
| An Efficient Framework for Clustered Federated Learning | UC Berkeley;ディープマインド | NeurIPS | 2020年 | [PUB] [PDF] [CODE] |
| Distributionally Robust Federated Averaging | ペンシルバニア州立大学 | NeurIPS | 2020年 | [PUB] [PDF] [CODE] |
| Personalized Federated Learning with Moreau Envelopes | The University of Sydney | NeurIPS | 2020年 | [PUB] [PDF] [CODE] |
| Personalized Federated Learning with Theoretical Guarantees: A Model-Agnostic Meta-Learning Approach | MIT; UT Austin | NeurIPS | 2020年 | [PUB] [PDF] [UC.] |
| Group Knowledge Transfer: Federated Learning of Large CNNs at the Edge | USC | NeurIPS | 2020年 | [PUB] [PDF] [CODE] [解读] |
| Tackling the Objective Inconsistency Problem in Heterogeneous Federated Optimization | CMU;プリンストン | NeurIPS | 2020年 | [PUB] [PDF] [CODE] [UC.] |
| Attack of the Tails: Yes, You Really Can Backdoor Federated Learning | University of Wisconsin-Madison | NeurIPS | 2020年 | [PUB] [PDF] |
| Federated Accelerated Stochastic Gradient Descent | スタンフォード | NeurIPS | 2020年 | [PUB] [PDF] [CODE] [VIDEO] |
| Inverting Gradients - How easy is it to break privacy in federated learning? | University of Siegen | NeurIPS | 2020年 | [PUB] [PDF] [CODE] |
| Ensemble Distillation for Robust Model Fusion in Federated Learning | EPFL | NeurIPS | 2020年 | [PUB] [PDF] [CODE] |
| Throughput-Optimal Topology Design for Cross-Silo Federated Learning | INRIA | NeurIPS | 2020年 | [PUB] [PDF] [CODE] |
| Bayesian Nonparametric Federated Learning of Neural Networks | IBM | ICML | 2019年 | [PUB] [PDF] [CODE] |
| Analyzing Federated Learning through an Adversarial Lens | Princeton; IBM | ICML | 2019年 | [PUB] [PDF] [CODE] |
| Agnostic Federated Learning | グーグル | ICML | 2019年 | [PUB] [PDF] |
| cpSGD: Communication-efficient and differentially-private distributed SGD | Princeton;グーグル | NeurIPS | 2018年 | [PUB] [PDF] |
| Federated Multi-Task Learning | Stanford; USC; CMU | NeurIPS | 2017年 | [PUB] [PDF] [CODE] |
Federated Learning papers accepted by top DM(Data Mining) conference and journal, Including KDD(ACM SIGKDD Conference on Knowledge Discovery and Data Mining) and WSDM(Web Search and Data Mining).
| タイトル | 所属 | 会場 | 年 | 材料 |
|---|---|---|---|---|
| FedKDD: International Joint Workshop on Federated Learning for Data Mining and Graph Analytics | KDD Workshop | 2024年 | [パブ] | |
| Is Aggregation the Only Choice? Federated Learning via Layer-wise Model Recombination | KDD | 2024年 | [パブ] | |
| BadSampler: Harnessing the Power of Catastrophic Forgetting to Poison Byzantine-robust Federated Learning | KDD | 2024年 | [パブ] | |
| Federated Graph Learning with Structure Proxy Alignment | KDD | 2024年 | [パブ] | |
| HiFGL: A Hierarchical Framework for Cross-silo Cross-device Federated Graph Learning | KDD | 2024年 | [パブ] | |
| FedSecurity: A Benchmark for Attacks and Defenses in Federated Learning and Federated LLMs | KDD | 2024年 | [パブ] | |
| Distributed Harmonization: Federated Clustered Batch Effect Adjustment and Generalization | KDD | 2024年 | [パブ] | |
| FederatedScope-LLM: A Comprehensive Package for Fine-tuning Large Language Models in Federated Learning | KDD | 2024年 | [パブ] | |
| On the Convergence of Zeroth-Order Federated Tuning for Large Language Models | KDD | 2024年 | [パブ] | |
| CASA: Clustered Federated Learning with Asynchronous Clients | KDD | 2024年 | [パブ] | |
| FLAIM: AIM-based Synthetic Data Generation in the Federated Setting | KDD | 2024年 | [パブ] | |
| Privacy-Preserving Federated Learning using Flower Framework | KDD | 2024年 | [パブ] | |
| FedSAC: Dynamic Submodel Allocation for Collaborative Fairness in Federated Learning | KDD | 2024年 | [パブ] | |
| FedNLR: Federated Learning with Neuron-wise Learning Rates | KDD | 2024年 | [パブ] | |
| FedBiOT: LLM Local Fine-tuning in Federated Learning without Full Model | KDD | 2024年 | [パブ] | |
| FLea: Addressing Data Scarcity and Label Skew in Federated Learning via Privacy-preserving Feature Augmentation | KDD | 2024年 | [パブ] | |
| Preventing Strategic Behaviors in Collaborative Inference for Vertical Federated Learning | KDD | 2024年 | [パブ] | |
| PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection | KDD | 2024年 | [パブ] | |
| FedRoLA: Robust Federated Learning Against Model Poisoning via Layer-based Aggregation | KDD | 2024年 | [パブ] | |
| FedGTP: Exploiting Inter-Client Spatial Dependency in Federated Graph-based Traffic Prediction | KDD | 2024年 | [パブ] | |
| OpenFedLLM: Training Large Language Models on Decentralized Private Data via Federated Learning | KDD | 2024年 | [パブ] | |
| Personalized Federated Continual Learning via Multi-Granularity Prompt | KDD | 2024年 | [パブ] | |
| Enabling Collaborative Test-Time Adaptation in Dynamic Environment via Federated Learning | KDD | 2024年 | [パブ] | |
| GPFedRec: Graph-Guided Personalization for Federated Recommendation | KDD | 2024年 | [パブ] | |
| Asynchronous Vertical Federated Learning for Kernelized AUC Maximization | KDD | 2024年 | [パブ] | |
| VertiMRF: Differentially Private Vertical Federated Data Synthesis | KDD | 2024年 | [パブ] | |
| User Consented Federated Recommender System Against Personalized Attribute Inference Attack | HKUST | WSDM | 2024年 | [PUB] [PDF] [CODE] |
| Guardian: Guarding against Gradient Leakage with Provable Defense for Federated Learning | ECNU | WSDM | 2024年 | [パブ] |
| Privacy Matters: Vertical Federated Linear Contextual Bandits for Privacy Protected Recommendation | ケンブリッジ大学 | KDD | 2023年 | [PUB] [PDF] |
| FedDefender: Client-Side Attack-Tolerant Federated Learning | KAIST | KDD | 2023年 | [PUB] [PDF] [CODE] |
| FedAPEN: Personalized Cross-silo Federated Learning with Adaptability to Statistical Heterogeneity | ZJU | KDD | 2023 | [PUB] [CODE] |
| FedPseudo: Privacy-Preserving Pseudo Value-Based Deep Learning Models for Federated Survival Analysis | UMBC | KDD | 2023 | [PUB] [PDF] |
| ShapleyFL: Robust Federated Learning Based on Shapley Value | ZJU | KDD | 2023 | [PUB] [CODE] |
| Federated Few-shot Learning | University of Virginia | KDD | 2023 | [PUB] [PDF] [CODE] |
| Theoretical Convergence Guaranteed Resource-Adaptive Federated Learning with Mixed Heterogeneity | SDU | KDD | 2023 | [パブ] |
| Personalized Federated Learning with Parameter Propagation | UIUC | KDD | 2023 | [パブ] |
| Serverless Federated AUPRC Optimization for Multi-Party Collaborative Imbalanced Data Mining | University of Pittsburgh | KDD | 2023 | [PUB] [PDF] [CODE] |
| CriticalFL: A Critical Learning Periods Augmented Client Selection Framework for Efficient Federated Learning | SUNY-Binghamton University | KDD | 2023 | [PUB] [PDF] |
| FLAMES2Graph: An Interpretable Federated Multivariate Time Series Classification Framework | L3S Research Center | KDD | 2023 | [PUB] [PDF] |
| FedCP: Separating Feature Information for Personalized Federated Learning via Conditional Policy | SJTU | KDD | 2023 | [PUB] [PDF] [CODE] |
| Navigating Alignment for Non-identical Client Class Sets: A Label Name-Anchored Federated Learning Framework | UCSD | KDD | 2023 | [PUB] [PDF] [CODE] |
| DM-PFL: Hitchhiking Generic Federated Learning for Efficient Shift-Robust Personalization | BUAA | KDD | 2023年 | [PUB] [CODE] |
| FS-REAL: Towards Real-World Cross-Device Federated Learning | Alibaba Group | KDD | 2023 | [PUB] [PDF] |
| FedMultimodal: A Benchmark for Multimodal Federated Learning | USC | KDD | 2023 | [PUB] [PDF] [CODE] |
| PrivateRec: Differentially Private Model Training and Online Serving for Federated News Recommendation | RUC | KDD | 2023 | [PUB] [PDF] [NEWS] |
| Revisiting Personalized Federated Learning: Robustness Against Backdoor Attacks | HKUST; Alibaba Group | KDD | 2023 | [PUB] [PDF] [CODE] |
| UA-FedRec: Untargeted Attack on Federated News Recommendation | USTC | KDD | 2023 | [PUB] [PDF] [CODE] |
| International Workshop on Federated Learning for Distributed Data Mining | MSU | KDD Workshop Summaries | 2023 | [PUB] [PAGE] |
| Is Normalization Indispensable for Multi-domain Federated Learning? | KDD workshop | 2023 | [パブ] | |
| Distributed Personalized Empirical Risk Minimization. | KDD workshop | 2023 | [パブ] | |
| Once-for-All Federated Learning: Learning From and Deploying to Heterogeneous Clients. | KDD workshop | 2023 | [パブ] | |
| SparseVFL: Communication-Efficient Vertical Federated Learning Based on Sparsification of Embeddings and Gradients. | KDD workshop | 2023 | [パブ] | |
| Optimization of User Resources in Federated Learning for Urban Sensing Applications | KDD workshop | 2023 | [パブ] | |
| FedLEGO: Enabling Heterogenous Model Cooperation via Brick Reassembly in Federated Learning. | KDD workshop | 2023 | [パブ] | |
| Federated Graph Analytics with Differential Privacy. | KDD workshop | 2023 | [パブ] | |
| Scaling Distributed Multi-task Reinforcement Learning with Experience Sharing. | KDD workshop | 2023 | [パブ] | |
| Uncertainty Quantification in Federated Learning for Heterogeneous Health Data | KDD workshop | 2023 | [パブ] | |
| A Systematic Evaluation of Federated Learning on Biomedical Natural Language Processing. | KDD workshop | 2023 | [パブ] | |
| Taming Heterogeneity to Deal with Test-Time Shift in Federated Learning. | KDD workshop | 2023 | [パブ] | |
| Federated Blood Supply Chain Demand Forecasting: A Case Study. | KDD workshop | 2023 | [パブ] | |
| Stochastic Clustered Federated Learning. | KDD workshop | 2023年 | [パブ] | |
| A Privacy-Preserving Hybrid Federated Learning Framework for Financial Crime Detection. | KDD workshop | 2023 | [パブ] | |
| Exploring the Efficacy of Data-Decoupled Federated Learning for Image Classification and Medical Imaging Analysis. | KDD workshop | 2023 | [パブ] | |
| FedNoisy: A Federated Noisy Label Learning Benchmark | KDD workshop | 2023 | [パブ] | |
| Asynchronous Decentralized Federated Lifelong Learning for Landmark Localization in Medical Imaging | KDD workshop | 2023 | [パブ] | |
| Federated learning for competing risk analysis in healthcare. | KDD workshop | 2023 | [パブ] | |
| Federated Threat Detection for Smart Home IoT rules. | KDD workshop | 2023 | [パブ] | |
| Federated Unlearning for On-Device Recommendation | UQ | WSDM | 2023 | [PUB] [PDF] |
| Collaboration Equilibrium in Federated Learning | 木 | KDD | 2022年 | [PUB] [PDF] [CODE] |
| Connected Low-Loss Subspace Learning for a Personalization in Federated Learning | Ulsan National Institute of Science and Technology | KDD | 2022年 | [PUB] [PDF] [CODE] |
| FedMSplit: Correlation-Adaptive Federated Multi-Task Learning across Multimodal Split Networks | University of Virginia | KDD | 2022年 | [パブ] |
| Communication-Efficient Robust Federated Learning with Noisy Labels | University of Pittsburgh | KDD | 2022年 | [PUB] [PDF] |
| FLDetector: Detecting Malicious Clients in Federated Learning via Checking Model-Updates Consistency | USTC | KDD | 2022年 | [PUB] [PDF] [CODE] |
| Practical Lossless Federated Singular Vector Decomposition Over Billion-Scale Data | HKUST | KDD | 2022年 | [PUB] [PDF] [CODE] |
| FedWalk: Communication Efficient Federated Unsupervised Node Embedding with Differential Privacy | SJTU | KDD | 2022年 | [PUB] [PDF] |
| FederatedScope-GNN: Towards a Unified, Comprehensive and Efficient Platform for Federated Graph Learning | アリババ | KDD (Best Paper Award) | 2022年 | [PUB] [PDF] [CODE] |
| Fed-LTD: Towards Cross-Platform Ride Hailing via Federated Learning to Dispatch | BUAA | KDD | 2022年 | [PUB] [PDF] [解读] |
| Felicitas: Federated Learning in Distributed Cross Device Collaborative Frameworks | USTC | KDD | 2022年 | [PUB] [PDF] |
| No One Left Behind: Inclusive Federated Learning over Heterogeneous Devices | Renmin University of China | KDD | 2022年 | [PUB] [PDF] |
| FedAttack: Effective and Covert Poisoning Attack on Federated Recommendation via Hard Sampling | 木 | KDD | 2022年 | [PUB] [PDF] [CODE] |
| PipAttack: Poisoning Federated Recommender Systems for Manipulating Item Promotion | The University of Queensland | WSDM | 2022年 | [PUB] [PDF] |
| Fed2: Feature-Aligned Federated Learning | George Mason University; Microsoft;メリーランド大学 | KDD | 2021年 | [PUB] [PDF] |
| FedRS: Federated Learning with Restricted Softmax for Label Distribution Non-IID Data | 南京大学 | KDD | 2021年 | [PUB] [CODE] |
| Federated Adversarial Debiasing for Fair and Trasnferable Representations | Michigan State University | KDD | 2021年 | [PUB] [PAGE] [CODE] [SLIDE] |
| Cross-Node Federated Graph Neural Network for Spatio-Temporal Data Modeling | USC | KDD | 2021年 | [PUB] [CODE] [解读] |
| AsySQN: Faster Vertical Federated Learning Algorithms with Better Computation Resource Utilization | Xidian University;JD Tech | KDD | 2021年 | [PUB] [PDF] |
| FLOP: Federated Learning on Medical Datasets using Partial Networks | デューク大学 | KDD | 2021年 | [PUB] [PDF] [CODE] |
| A Practical Federated Learning Framework for Small Number of Stakeholders | ETH Zürich | WSDM | 2021年 | [PUB] [CODE] |
| Federated Deep Knowledge Tracing | USTC | WSDM | 2021年 | [PUB] [CODE] |
| FedFast: Going Beyond Average for Faster Training of Federated Recommender Systems | University College Dublin | KDD | 2020年 | [PUB] [VIDEO] |
| Federated Doubly Stochastic Kernel Learning for Vertically Partitioned Data | JD Tech | KDD | 2020年 | [PUB] [PDF] [VIDEO] |
| Federated Online Learning to Rank with Evolution Strategies | Facebook AI Research | WSDM | 2019年 | [PUB] [CODE] |
Federated Learning papers accepted by top Secure conference and journal, Including S&P(IEEE Symposium on Security and Privacy), CCS(Conference on Computer and Communications Security), USENIX Security(Usenix Security Symposium) and NDSS(Network and Distributed System Security Symposium).
| タイトル | 所属 | 会場 | 年 | 材料 |
|---|---|---|---|---|
| Byzantine-Robust Decentralized Federated Learning | CCS | 2024年 | [パブ] | |
| Not One Less: Exploring Interplay between User Profiles and Items in Untargeted Attacks against Federated Recommendation | CCS | 2024年 | [パブ] | |
| Cross-silo Federated Learning with Record-level Personalized Differential Privacy. | CCS | 2024年 | [パブ] | |
| Samplable Anonymous Aggregation for Private Federated Data Analysis | CCS | 2024年 | [パブ] | |
| Camel: Communication-Efficient and Maliciously Secure Federated Learning in the Shuffle Model of Differential Privacy | CCS | 2024年 | [パブ] | |
| Distributed Backdoor Attacks on Federated Graph Learning and Certified Defenses | CCS | 2024年 | [パブ] | |
| Two-Tier Data Packing in RLWE-based Homomorphic Encryption for Secure Federated Learning. | CCS | 2024年 | [パブ] | |
| Poster: Protection against Source Inference Attacks in Federated Learning using Unary Encoding and Shuffling. | CCS | 2024年 | [パブ] | |
| Poster: End-to-End Privacy-Preserving Vertical Federated Learning using Private Cross-Organizational Data Collaboration. | CCS | 2024年 | [パブ] | |
| FP-Fed: Privacy-Preserving Federated Detection of Browser Fingerprinting | NDSS | 2024年 | [パブ] | |
| FreqFed: A Frequency Analysis-Based Approach for Mitigating Poisoning Attacks in Federated Learning | NDSS | 2024年 | [パブ] | |
| Automatic Adversarial Adaption for Stealthy Poisoning Attacks in Federated Learning | NDSS | 2024年 | [パブ] | |
| CrowdGuard: Federated Backdoor Detection in Federated Learning | NDSS | 2024年 | [パブ] | |
| Protecting Label Distribution in Cross-Silo Federated Learning | S&P | 2024年 | [パブ] | |
| FLShield: A Validation Based Federated Learning Framework to Defend Against Poisoning Attacks | S&P | 2024年 | [パブ] | |
| BadVFL: Backdoor Attacks in Vertical Federated Learning | S&P | 2024年 | [パブ] | |
| SHERPA: Explainable Robust Algorithms for Privacy-Preserved Federated Learning in Future Networks to Defend Against Data Poisoning Attacks | S&P | 2024年 | [パブ] | |
| Loki: Large-scale Data Reconstruction Attack against Federated Learning through Model Manipulation | S&P | 2024年 | [パブ] | |
| Poster: Towards Privacy-Preserving Federated Recommendation via Synthetic Interactions. | S&P Workshop | 2024年 | [パブ] | |
| A Performance Analysis for Confidential Federated Learning. | S&P Workshop | 2024年 | [パブ] | |
| Turning Privacy-preserving Mechanisms against Federated Learning | University of Pavia | CCS | 2023 | [PUB] [PDF] |
| MESAS: Poisoning Defense for Federated Learning Resilient against Adaptive Attackers | University of Würzburg | CCS | 2023 | [パブ] |
| martFL: Enabling Utility-Driven Data Marketplace with a Robust and Verifiable Federated Learning Architecture | 木 | CCS | 2023 | [PUB] [PDF] [CODE] |
| Unraveling the Connections between Privacy and Certified Robustness in Federated Learning Against Poisoning Attacks | UIUC | CCS | 2023 | [PUB] [PDF] |
| Poster: Verifiable Data Valuation with Strong Fairness in Horizontal Federated Learning | NSYSU | CCS | 2023 | [パブ] |
| Poster: Bridging Trust Gaps: Data Usage Transparency in Federated Data Ecosystems | RWTH Aachen University | CCS | 2023 | [パブ] |
| Every Vote Counts: Ranking-Based Training of Federated Learning to Resist Poisoning Attacks | マサチューセッツ大学アマースト校 | USENIX Security | 2023 | [PUB] [PDF] |
| PrivateFL: Accurate, Differentially Private Federated Learning via Personalized Data Transformation | JHU | USENIX Security | 2023 | [PUB] [CODE] |
| Gradient Obfuscation Gives a False Sense of Security in Federated Learning | NCSU | USENIX Security | 2023 | [PUB] [PDF] [CODE] |
| FedVal: Different good or different bad in federated learning | AI Sweden | USENIX Security | 2023 | [PUB] [PDF] [CODE] |
| Securing Federated Sensitive Topic Classification against Poisoning Attacks | IMDEA Networks Institute | NDSS | 2023 | [PUB] [PDF] [CODE] |
| PPA: Preference Profiling Attack Against Federated Learning | NJUST | NDSS | 2023 | [PUB] [PDF] |
| Turning Privacy-preserving Mechanisms against Federated Learning | University of Pavia; TU Delft; University of Padua; Radboud University | CCS | 2023 | [PUB] [PDF] [CODE] |
| CERBERUS: Exploring Federated Prediction of Security Events | UCL London | CCS | 2022年 | [PUB] [PDF] |
| EIFFeL: Ensuring Integrity for Federated Learning | UW-Madison | CCS | 2022年 | [PUB] [PDF] |
| Eluding Secure Aggregation in Federated Learning via Model Inconsistency | SPRING Lab; EPFL | CCS | 2022年 | [PUB] [PDF] [CODE] |
| Federated Boosted Decision Trees with Differential Privacy | University of Warwick | CCS | 2022年 | [PUB] [PDF] [CODE] |
| FedRecover: Recovering from Poisoning Attacks in Federated Learning using Historical Information | デューク大学 | S&P | 2023 | [PUB] [PDF] |
| Scalable and Privacy-Preserving Federated Principal Component Analysis | EPFL; Tune Insight SA | S&P | 2023 | [PUB] [PDF] |
| SafeFL: MPC-friendly Framework for Private and Robust Federated Learning | TU Darmstadt | S&P Workshop | 2023 | [パブ] |
| On the Pitfalls of Security Evaluation of Robust Federated Learning. | umass | S&P Workshop | 2023 | [パブ] |
| BayBFed: Bayesian Backdoor Defense for Federated Learning | TU Darmstadt; UTSA | S&P | 2023 | [PUB] [PDF] |
| 3DFed: Adaptive and Extensible Framework for Covert Backdoor Attack in Federated Learning | PolyU | S&P | 2023 | [PUB] [CODE] |
| RoFL: Robustness of Secure Federated Learning. | チューリッヒ工科大学 | S&P | 2023年 | [PUB] [PDF] [CODE] |
| Flamingo: Multi-Round Single-Server Secure Aggregation with Applications to Private Federated Learning. | うぺん | S&P | 2023 | [PUB] [CODE] |
| ELSA: Secure Aggregation for Federated Learning with Malicious Actors. | S&P | 2023 | ||
| Private, Efficient, and Accurate: Protecting Models Trained by Multi-party Learning with Differential Privacy | Fudan University | S&P | 2023 | [PUB] [PDF] |
| Back to the Drawing Board: A Critical Evaluation of Poisoning Attacks on Production Federated Learning | University of Massachusetts | S&P | 2022年 | [PUB] [VIDEO] |
| SIMC: ML Inference Secure Against Malicious Clients at Semi-Honest Cost | Microsoft Research | USENIX Security | 2022年 | [PUB] [PDF] [CODE] [VIDEO] [SUPP] |
| Efficient Differentially Private Secure Aggregation for Federated Learning via Hardness of Learning with Errors | University of Vermont | USENIX Security | 2022年 | [PUB] [SLIDE] [VIDEO] |
| Label Inference Attacks Against Vertical Federated Learning | ZJU | USENIX Security | 2022年 | [PUB] [SLIDE] [CODE] [VIDEO] |
| FLAME: Taming Backdoors in Federated Learning | Technical University of Darmstadt | USENIX Security | 2022年 | [PUB] [SLIDE] [PDF] [VIDEO] |
| Local and Central Differential Privacy for Robustness and Privacy in Federated Learning | ニューヨーク州バッファロー大学 | NDSS | 2022年 | [PUB] [PDF] [VIDEO] [UC.] |
| Interpretable Federated Transformer Log Learning for Cloud Threat Forensics | University of the Incarnate Word | NDSS | 2022年 | [PUB] [VIDEO] [UC.] |
| FedCRI: Federated Mobile Cyber-Risk Intelligence | Technical University of Darmstadt | NDSS | 2022年 | [PUB] [VIDEO] |
| DeepSight: Mitigating Backdoor Attacks in Federated Learning Through Deep Model Inspection | Technical University of Darmstadt | NDSS | 2022年 | [PUB] [PDF] [VIDEO] |
| Private Hierarchical Clustering in Federated Networks | NUS | CCS | 2021年 | [PUB] [PDF] |
| FLTrust: Byzantine-robust Federated Learning via Trust Bootstrapping | デューク大学 | NDSS | 2021年 | [PUB] [PDF] [CODE] [VIDEO] [SLIDE] |
| POSEIDON: Privacy-Preserving Federated Neural Network Learning | EPFL | NDSS | 2021年 | [PUB] [VIDEO] |
| Manipulating the Byzantine: Optimizing Model Poisoning Attacks and Defenses for Federated Learning | University of Massachusetts Amherst | NDSS | 2021年 | [PUB] [CODE] [VIDEO] |
| SAFELearn: Secure Aggregation for private FEderated Learning | TU Darmstadt | S&P Workshop | 2021年 | [パブ] |
| Local Model Poisoning Attacks to Byzantine-Robust Federated Learning | The Ohio State University | USENIX Security | 2020年 | [PUB] [PDF] [CODE] [VIDEO] [SLIDE] |
| A Reliable and Accountable Privacy-Preserving Federated Learning Framework using the Blockchain | カンザス大学 | CCS (Poster) | 2019年 | [パブ] |
| IOTFLA : A Secured and Privacy-Preserving Smart Home Architecture Implementing Federated Learning | Université du Québéc á Montréal | S&P Workshop | 2019年 | [パブ] |
| Comprehensive Privacy Analysis of Deep Learning: Passive and Active White-box Inference Attacks against Centralized and Federated Learning | University of Massachusetts Amherst | S&P | 2019年 | [PUB] [VIDEO] [SLIDE] [CODE] |
| Practical Secure Aggregation for Privacy Preserving Machine Learning | グーグル | CCS | 2017年 | [PUB] [PDF] [解读] [UC.] [UC] |
Federated Learning papers accepted by top CV(computer vision) conference and journal, Including CVPR(Computer Vision and Pattern Recognition), ICCV(IEEE International Conference on Computer Vision), ECCV(European Conference on Computer Vision), MM(ACM International Conference on Multimedia), IJCV(International Journal of Computer Vision).
| タイトル | 所属 | 会場 | 年 | 材料 |
|---|---|---|---|---|
| DualFed: Enjoying both Generalization and Personalization in Federated Learning via Hierachical Representations | MM | 2024年 | [パブ] | |
| One-shot-but-not-degraded Federated Learning | MM | 2024年 | [パブ] | |
| Overcoming Spatial-Temporal Catastrophic Forgetting for Federated Class-Incremental Learning | MM | 2024年 | [パブ] | |
| FedDEO: Description-Enhanced One-Shot Federated Learning with Diffusion Models | MM | 2024年 | [パブ] | |
| Decoupling General and Personalized Knowledge in Federated Learning via Additive and Low-rank Decomposition | MM | 2024年 | [パブ] | |
| CoAst: Validation-Free Contribution Assessment for Federated Learning based on Cross-Round Valuation | MM | 2024年 | [パブ] | |
| Spatio-temporal Heterogeneous Federated Learning for Time Series Classification with Multi-view Orthogonal Training | MM | 2024年 | [パブ] | |
| FedEvalFair: A Privacy-Preserving and Statistically Grounded Federated Fairness Evaluation Framework | MM | 2024年 | [パブ] | |
| One-Shot Sequential Federated Learning for Non-IID Data by Enhancing Local Model Diversity | MM | 2024年 | [パブ] | |
| FedSLS: Exploring Federated Aggregation in Saliency Latent Space | MM | 2024年 | [パブ] | |
| Cluster-driven Personalized Federated Recommendation with Interest-aware Graph Convolution Network for Multimedia | MM | 2024年 | [パブ] | |
| FedBCGD: Communication-Efficient Accelerated Block Coordinate Gradient Descent for Federated Learning | MM | 2024年 | [パブ] | |
| Federated Morozov Regularization for Shortcut Learning in Privacy Preserving Learning with Watermarked Image Data | MM | 2024年 | [パブ] | |
| Cross-Modal Meta Consensus for Heterogeneous Federated Learning | MM | 2024年 | [パブ] | |
| Masked Random Noise for Communication-Efficient Federated Learning | MM | 2024年 | [パブ] | |
| Heterogeneity-Aware Federated Deep Multi-View Clustering towards Diverse Feature Representations | MM | 2024年 | [パブ] | |
| Adaptive Hierarchical Aggregation for Federated Object Detection | MM | 2024年 | [パブ] | |
| FedCAFE: Federated Cross-Modal Hashing with Adaptive Feature Enhancement | MM | 2024年 | [パブ] | |
| Federated Fuzzy C-means with Schatten-p Norm Minimization | MM | 2024年 | [パブ] | |
| Towards Effective Federated Graph Anomaly Detection via Self-boosted Knowledge Distillation | MM | 2024年 | [パブ] | |
| Physics-Driven Spectrum-Consistent Federated Learning for Palmprint Verification | IJCV | 2024年 | [パブ] | |
| FedHide: Federated Learning by Hiding in the Neighbors | ECCV | 2024年 | [パブ] | |
| FedVAD: Enhancing Federated Video Anomaly Detection with GPT-Driven Semantic Distillation | ECCV | 2024年 | [パブ] | |
| FedRA: A Random Allocation Strategy for Federated Tuning to Unleash the Power of Heterogeneous Clients | ECCV | 2024年 | [パブ] | |
| Pick-a-Back: Selective Device-to-Device Knowledge Transfer in Federated Continual Learning | ECCV | 2024年 | [パブ] | |
| Federated Learning with Local Openset Noisy Labels | ECCV | 2024年 | [パブ] | |
| FedTSA: A Cluster-Based Two-Stage Aggregation Method for Model-Heterogeneous Federated Learning. | ECCV | 2024年 | [パブ] | |
| Overcome Modal Bias in Multi-modal Federated Learning via Balanced Modality Selection | ECCV | 2024年 | [パブ] | |
| BAFFLE: A Baseline of Backpropagation-Free Federated Learning | ECCV | 2024年 | [パブ] | |
| PILoRA: Prototype Guided Incremental LoRA for Federated Class-Incremental Learning | ECCV | 2024年 | [パブ] | |
| Fisher Calibration for Backdoor-Robust Heterogeneous Federated Learning | ECCV | 2024年 | [パブ] | |
| Unlocking the Potential of Federated Learning: The Symphony of Dataset Distillation via Deep Generative Latents | ECCV | 2024年 | [パブ] | |
| FedHARM: Harmonizing Model Architectural Diversity in Federated Learning | ECCV | 2024年 | [パブ] | |
| SuperFedNAS: Cost-Efficient Federated Neural Architecture Search for On-device Inference. | ECCV | 2024年 | [パブ] | |
| Personalized Federated Domain-Incremental Learning Based on Adaptive Knowledge Matching. | ECCV | 2024年 | [パブ] | |
| Diffusion-Driven Data Replay: A Novel Approach to Combat Forgetting in Federated Class Continual Learning | ECCV | 2024年 | [パブ] | |
| Towards Multi-modal Transformers in Federated Learning | ECCV | 2024年 | [パブ] | |
| Local and Global Flatness for Federated Domain Generalization | ECCV | 2024年 | [パブ] | |
| Feature Diversification and Adaptation for Federated Domain Generalization | ECCV | 2024年 | [パブ] | |
| PFEDEDIT: Personalized Federated Learning via Automated Model Editing | ECCV | 2024年 | [パブ] | |
| FedHCA2: Towards Hetero-Client Federated Multi-Task Learning | SJTU | CVPR | 2024年 | [PUB] [SUPP] [PDF] [CODE] |
| Fair Federated Learning under Domain Skew with Local Consistency and Domain Diversity | WHU | CVPR | 2024年 | [PUB] [PDF] [CODE] |
| Think Twice Before Selection: Federated Evidential Active Learning for Medical Image Analysis with Domain Shifts | NWPU; HKUST | CVPR | 2024年 | [PUB] [SUPP] [PDF] [CODE] |
| FedMef: Towards Memory-efficient Federated Dynamic Pruning | 香港 | CVPR | 2024年 | [PUB] [SUPP] [PDF] |
| Communication-Efficient Federated Learning with Accelerated Client Gradient | SNU | CVPR | 2024年 | [PUB] [SUPP] [PDF] [CODE] |
| Revamping Federated Learning Security from a Defender's Perspective: A Unified Defense with Homomorphic Encrypted Data Space | IITH | CVPR | 2024年 | [PUB] [SUPP] [CODE] |
| Adaptive Hyper-graph Aggregation for Modality-Agnostic Federated Learning | TJUT | CVPR | 2024年 | [PUB] [SUPP] [CODE] |
| Towards Efficient Replay in Federated Incremental Learning | HUST | CVPR | 2024年 | [PUB] [SUPP] [PDF] |
| Mixed-Precision Quantization for Federated Learning on Resource-Constrained Heterogeneous Devices | UT | CVPR | 2024年 | [PUB] [SUPP] [PDF] |
| Data Valuation and Detections in Federated Learning | NUS | CVPR | 2024年 | [PUB] [SUPP] [PDF] [CODE] |
| Decentralized Directed Collaboration for Personalized Federated Learning | NJUST | CVPR | 2024年 | [PUB] [SUPP] [PDF] |
| Unlocking the Potential of Prompt-Tuning in Bridging Generalized and Personalized Federated Learning | UBC | CVPR | 2024年 | [PUB] [SUPP] [PDF] [CODE] |
| Global and Local Prompts Cooperation via Optimal Transport for Federated Learning | ShanghaiTech University | CVPR | 2024年 | [PUB] [SUPP] [PDF] [CODE] |
| Rethinking the Representation in Federated Unsupervised Learning with Non-IID Data | ZJU | CVPR | 2024年 | [PUB] [SUPP] [PDF] [CODE] |
| Relaxed Contrastive Learning for Federated Learning | SNU | CVPR | 2024年 | [PUB] [SUPP] [PDF] [CODE] |
| Leak and Learn: An Attacker's Cookbook to Train Using Leaked Data from Federated Learning | パデュー大学 | CVPR | 2024年 | [PUB] [SUPP] [PDF] [VIDEO] |
| Traceable Federated Continual Learning | BUPT | CVPR | 2024年 | [PUB] [SUPP] [CODE] |
| Federated Online Adaptation for Deep Stereo | University of Bologna | CVPR | 2024年 | [PUB] [SUPP] [PDF] [CODE] [PAGE] [VIDEO] |
| Federated Generalized Category Discovery | UniTn | CVPR | 2024年 | [PUB] [SUPP] [PDF] [CODE] |
| Efficiently Assemble Normalization Layers and Regularization for Federated Domain Generalization | ND | CVPR | 2024年 | [PUB] [SUPP] [PDF] [CODE] |
| Text-Enhanced Data-free Approach for Federated Class-Incremental Learning | モナシュ大学 | CVPR | 2024年 | [PUB] [SUPP] [PDF] [CODE] |
| PerAda: Parameter-Efficient Federated Learning Personalization with Generalization Guarantees | UIUC;エヌビディア | CVPR | 2024年 | [PUB] [SUPP] [PDF] [CODE] |
| FedSOL: Stabilized Orthogonal Learning with Proximal Restrictions in Federated Learning | KAIST | CVPR | 2024年 | [PUB] [SUPP] [PDF] [CODE] |
| FedUV: Uniformity and Variance for Heterogeneous Federated Learning | カリフォルニア大学デービス校 | CVPR | 2024年 | [PUB] [SUPP] [PDF] |
| FedAS: Bridging Inconsistency in Personalized Federated Learning | WHU | CVPR | 2024年 | [PUB] [CODE] |
| FedSelect: Personalized Federated Learning with Customized Selection of Parameters for Fine-Tuning | Lapis Labs | CVPR | 2024年 | [PUB] [SUPP] [PDF] [CODE] |
| Device-Wise Federated Network Pruning | PITT | CVPR | 2024年 | [PUB] [SUPP] |
| Byzantine-robust Decentralized Federated Learning via Dual-domain Clustering and Trust Bootstrapping | HNU; PolyU; AIRS | CVPR | 2024年 | [PUB] [SUPP] |
| DiPrompT: Disentangled Prompt Tuning for Multiple Latent Domain Generalization in Federated Learning | HKUST; PolyU | CVPR | 2024年 | [PUB] [SUPP] [PDF] |
| An Upload-Efficient Scheme for Transferring Knowledge From a Server-Side Pre-trained Generator to Clients in Heterogeneous Federated Learning | SJTU | CVPR | 2024年 | [PUB] [SUPP] [PDF] [CODE] [POSTER] [SLIDES] |
| An Aggregation-Free Federated Learning for Tackling Data Heterogeneity | A* STAR | CVPR | 2024年 | [PUB] [SUPP] [PDF] |
| FLHetBench: Benchmarking Device and State Heterogeneity in Federated Learning | BUAA; HKU | CVPR | 2024年 | [PUB] [SUPP] [CODE] [PAGE] [POSTER] [VIDEO] |
| Collaborative Visual Place Recognition through Federated Learning | CVPR workshop | 2024年 | [PUB] [SUPP] [PDF] | |
| FedProK: Trustworthy Federated Class-Incremental Learning via Prototypical Feature Knowledge Transfer | CVPR workshop | 2024年 | [PUB] [SUPP] [PDF] | |
| Federated Hyperparameter Optimization Through Reward-Based Strategies: Challenges and Insights | CVPR workshop | 2024年 | [パブ] | |
| On the Efficiency of Privacy Attacks in Federated Learning | CVPR workshop | 2024年 | [PUB] [PDF] | |
| FedCE: Personalized Federated Learning Method based on Clustering Ensembles | BJTU | MM | 2023 | [パブ] |
| FedVQA: Personalized Federated Visual Question Answering over Heterogeneous Scenes | ライデン大学 | MM | 2023 | [パブ] |
| Towards Fast and Stable Federated Learning: Confronting Heterogeneity via Knowledge Anchor | XJTU | MM | 2023年 | [PUB] [PDF] [CODE] |
| Federated Deep Multi-View Clustering with Global Self-Supervision | UESTC | MM | 2023 | [PUB] [PDF] |
| FedAA: Using Non-sensitive Modalities to Improve Federated Learning while Preserving Image Privacy | ZJU | MM | 2023 | [パブ] |
| Prototype-guided Knowledge Transfer for Federated Unsupervised Cross-modal Hashing | SDNU | MM | 2023 | [PUB] [CODE] |
| Joint Local Relational Augmentation and Global Nash Equilibrium for Federated Learning with Non-IID Data | ZJU | MM | 2023 | [PUB] [PDF] |
| FedCD: A Classifier Debiased Federated Learning Framework for Non-IID Data | BUPT | MM | 2023 | [パブ] |
| Federated Learning with Label-Masking Distillation | UCAS | MM | 2023 | [PUB] [CODE] |
| Cross-Silo Prototypical Calibration for Federated Learning with Non-IID Data | SDU | MM | 2023 | [PUB] [PDF] [CODE] |
| A Four-Pronged Defense Against Byzantine Attacks in Federated Learning | HUST | MM | 2023 | [PUB] [PDF] |
| Client-Adaptive Cross-Model Reconstruction Network for Modality-Incomplete Multimodal Federated Learning | CAS; Peng Cheng Laboratory; UCAS | MM | 2023 | [パブ] |
| FedGH: Heterogeneous Federated Learning with Generalized Global Header | NKU | MM | 2023 | [PUB] [PDF] [CODE] |
| Cuing Without Sharing: A Federated Cued Speech Recognition Framework via Mutual Knowledge Distillation | 香港 | MM | 2023 | [PUB] [PDF] [CODE] |
| AffectFAL: Federated Active Affective Computing with Non-IID Data | TJUT | MM | 2023 | [PUB] [CODE] |
| Improving Federated Person Re-Identification through Feature-Aware Proximity and Aggregation | SZU | MM | 2023 | [パブ] |
| Towards Attack-tolerant Federated Learning via Critical Parameter Analysis | KAIST | ICCV | 2023 | [PUB] [PDF] [CODE] [SUPP] |
| Efficient Model Personalization in Federated Learning via Client-Specific Prompt Generation | NTU;エヌビディア | ICCV | 2023 | [PUB] [PDF] [SUPP] |
| Generative Gradient Inversion via Over-Parameterized Networks in Federated Learning | A*STAR | ICCV | 2023 | [PUB] [CODE] [SUPP] |
| GPFL: Simultaneously Learning Global and Personalized Feature Information for Personalized Federated Learning | SJTU | ICCV | 2023年 | [PUB] [PDF] [CODE] [SUPP] |
| Workie-Talkie: Accelerating Federated Learning by Overlapping Computing and Communications via Contrastive Regularization | University of Houston | ICCV | 2023 | [PUB] [SUPP] |
| PGFed: Personalize Each Client's Global Objective for Federated Learning | University of Pittsburgh | ICCV | 2023 | [PUB] [PDF] [CODE] [SUPP] |
| FedPerfix: Towards Partial Model Personalization of Vision Transformers in Federated Learning | UCF | ICCV | 2023 | [PUB] [PDF] [CODE] [SUPP] |
| L-DAWA: Layer-wise Divergence Aware Weight Aggregation in Federated Self-Supervised Visual Representation Learning | TCL AI Lab | ICCV | 2023 | [PUB] [PDF] [SUPP] |
| FedPD: Federated Open Set Recognition with Parameter Disentanglement | City University of Hong Kong | ICCV | 2023 | [PUB] [CODE] |
| TARGET: Federated Class-Continual Learning via Exemplar-Free Distillation | ETH Zurich; Sony AI | ICCV | 2023 | [PUB] [PDF] [CODE] |
| Towards Instance-adaptive Inference for Federated Learning | A*STAR | ICCV | 2023 | [PUB] [PDF] [CODE] |
| Communication-efficient Federated Learning with Single-Step Synthetic Features Compressor for Faster Convergence | SCU; Engineering Research Center of Machine Learning and Industry Intelligence | ICCV | 2023 | [PUB] [PDF] [CODE] |
| zPROBE: Zero Peek Robustness Checks for Federated Learning | パデュー大学 | ICCV | 2023 | [PUB] [PDF] [SUPP] |
| ProtoFL: Unsupervised Federated Learning via Prototypical Distillation | KakaoBank Corp. | ICCV | 2023 | [PUB] [PDF] |
| MAS: Towards Resource-Efficient Federated Multiple-Task Learning | Sony AI | ICCV | 2023 | [PUB] [PDF] [CODE] [SUPP] |
| FSAR: Federated Skeleton-based Action Recognition with Adaptive Topology Structure and Knowledge Distillation | PKU | ICCV | 2023 | [PUB] [PDF] [SUPP] |
| When Do Curricula Work in Federated Learning? | UCSD | ICCV | 2023 | [PUB] [PDF] [SUPP] |
| Communication-Efficient Vertical Federated Learning with Limited Overlapping Samples | デューク大学 | ICCV | 2023 | [PUB] [PDF] [CODE] |
| Multi-Metrics Adaptively Identifies Backdoors in Federated Learning | SCUT | ICCV | 2023 | [PUB] [PDF] [CODE] [SUPP] |
| No Fear of Classifier Biases: Neural Collapse Inspired Federated Learning with Synthetic and Fixed Classifier | ZJU | ICCV | 2023 | [PUB] [PDF] [CODE] [SUPP] |
| FRAug: Tackling Federated Learning with Non-IID Features via Representation Augmentation | Ludwig Maximilian University of Munich; Siemens Technology | ICCV | 2023 | [PUB] [PDF] [SUPP] |
| Bold but Cautious: Unlocking the Potential of Personalized Federated Learning through Cautiously Aggressive Collaboration | BUAA | ICCV | 2023 | [PUB] [PDF] [CODE] [SUPP] |
| Global Balanced Experts for Federated Long-Tailed Learning | CUHK-Shenzhen | ICCV | 2023 | [PUB] [CODE] [SUPP] |
| Knowledge-Aware Federated Active Learning with Non-IID Data | The University of Sydney | ICCV | 2023 | [PUB] [PDF] [CODE] [SUPP] |
| Enhancing Privacy Preservation in Federated Learning via Learning Rate Perturbation | BUPT | ICCV | 2023 | [PUB] [SUPP] |
| Local or Global: Selective Knowledge Assimilation for Federated Learning with Limited Labels | CMU | ICCV | 2023 | [PUB] [PDF] [SUPP] |
| Federated Learning Over Images: Vertical Decompositions and Pre-Trained Backbones Are Difficult to Beat | Rice University | ICCV | 2023 | [PUB] [PDF] [CODE] [SUPP] |
| Robust Heterogeneous Federated Learning under Data Corruption | WHU | ICCV | 2023 | [PUB] [CODE] [SUPP] |
| Personalized Semantics Excitation for Federated Image Classification | Tulane University | ICCV | 2023 | [PUB] [CODE] |
| Reducing Training Time in Cross-Silo Federated Learning Using Multigraph Topology | AIOZ | ICCV | 2023年 | [PUB] [PDF] [CODE] [SUPP] |
| Window-based Model Averaging Improves Generalization in Heterogeneous Federated Learning. | Politecnico di Torino | ICCV workshop | 2023 | [PUB] [PDF] |
| Experience Replay as an Effective Strategy for Optimizing Decentralized Federated Learning. | University of Catania | ICCV workshop | 2023 | [パブ] |
| FedRCIL: Federated Knowledge Distillation for Representation based Contrastive Incremental Learning. | Centre for Research and Technology Hellas; University of West Attica | ICCV workshop | 2023 | [PUB] [CODE] |
| FedLID: Self-Supervised Federated Learning for Leveraging Limited Image Data. | Centre for Research and Technology Hellas; University of West Attica | ICCV workshop | 2023 | [パブ] |
| Rethinking Federated Learning With Domain Shift: A Prototype View | WHU | CVPR | 2023 | [PUB] [CODE] |
| Class Balanced Adaptive Pseudo Labeling for Federated Semi-Supervised Learning | ECNU | CVPR | 2023 | [PUB] [CODE] |
| DaFKD: Domain-Aware Federated Knowledge Distillation | HUST | CVPR | 2023 | [PUB] [CODE] |
| The Resource Problem of Using Linear Layer Leakage Attack in Federated Learning | パデュー大学 | CVPR | 2023 | [PUB] [PDF] |
| FedSeg: Class-Heterogeneous Federated Learning for Semantic Segmentation | ZJU | CVPR | 2023 | [パブ] |
| On the Effectiveness of Partial Variance Reduction in Federated Learning With Heterogeneous Data | DTU | CVPR | 2023 | [PUB] [PDF] |
| Elastic Aggregation for Federated Optimization | 美団 | CVPR | 2023 | [パブ] |
| FedDM: Iterative Distribution Matching for Communication-Efficient Federated Learning | UCLA | CVPR | 2023 | [PUB] [PDF] |
| Adaptive Channel Sparsity for Federated Learning Under System Heterogeneity | UM | CVPR | 2023 | [パブ] |
| ScaleFL: Resource-Adaptive Federated Learning With Heterogeneous Clients | GaTech | CVPR | 2023 | [PUB] [CODE] |
| Reliable and Interpretable Personalized Federated Learning | TJU | CVPR | 2023 | [パブ] |
| Federated Domain Generalization With Generalization Adjustment | SJTU | CVPR | 2023 | [PUB] [CODE] |
| Make Landscape Flatter in Differentially Private Federated Learning | 木 | CVPR | 2023 | [PUB] [PDF] [CODE] |
| Confidence-Aware Personalized Federated Learning via Variational Expectation Maximization | KU Leuven | CVPR | 2023 | [PUB] [PDF] [CODE] |
| STDLens: Model Hijacking-Resilient Federated Learning for Object Detection | GaTech | CVPR | 2023 | [PUB] [PDF] [CODE] |
| Re-Thinking Federated Active Learning Based on Inter-Class Diversity | KAIST | CVPR | 2023 | [PUB] [PDF] [CODE] |
| Learning Federated Visual Prompt in Null Space for MRI Reconstruction | A*STAR | CVPR | 2023 | [PUB] [PDF] [CODE] |
| Fair Federated Medical Image Segmentation via Client Contribution Estimation | 香港 | CVPR | 2023 | [PUB] [PDF] [CODE] |
| Federated Learning With Data-Agnostic Distribution Fusion | NJU | CVPR | 2023 | [PUB] [CODE] |
| How To Prevent the Poor Performance Clients for Personalized Federated Learning? | CSU | CVPR | 2023 | [パブ] |
| GradMA: A Gradient-Memory-Based Accelerated Federated Learning With Alleviated Catastrophic Forgetting | ECNU | CVPR | 2023 | [PUB] [PDF] [CODE] |
| Bias-Eliminating Augmentation Learning for Debiased Federated Learning | NTU | CVPR | 2023 | [パブ] |
| Federated Incremental Semantic Segmentation | CAS; UCAS | CVPR | 2023 | [PUB] [PDF] [CODE] |
| Asynchronous Federated Continual Learning | University of Padova | CVPR workshop | 2023 | [PUB] [PDF] [SILDES] [CODE] |
| Mixed Quantization Enabled Federated Learning To Tackle Gradient Inversion Attacks | UMBC | CVPR workshop | 2023 | [PUB] [CODE] |
| OpenFed: A Comprehensive and Versatile Open-Source Federated Learning Framework | 美団 | CVPR workshop | 2023 | [PUB] [PDF] [CODE] |
| Federated Learning in Non-IID Settings Aided by Differentially Private Synthetic Data | ウテキサス | CVPR workshop | 2023 | [PUB] [SUPP] [PDF] [CODE] |
| TimelyFL: Heterogeneity-Aware Asynchronous Federated Learning With Adaptive Partial Training | USC | CVPR workshop | 2023 | [PUB] [PDF] |
| Many-Task Federated Learning: A New Problem Setting and a Simple Baseline | ウテキサス | CVPR workshop | 2023 | [PUB] [CODE] |
| Confederated Learning: Going Beyond Centralization | CAS; UCAS | MM | 2022年 | [パブ] |
| Few-Shot Model Agnostic Federated Learning | WHU | MM | 2022年 | [PUB] [CODE] |
| Feeling Without Sharing: A Federated Video Emotion Recognition Framework Via Privacy-Agnostic Hybrid Aggregation | TJUT | MM | 2022年 | [パブ] |
| FedLTN: Federated Learning for Sparse and Personalized Lottery Ticket Networks | ECCV | 2022年 | [PUB] [SUPP] | |
| Auto-FedRL: Federated Hyperparameter Optimization for Multi-Institutional Medical Image Segmentation | ECCV | 2022年 | [PUB] [SUPP] [PDF] [CODE] | |
| Improving Generalization in Federated Learning by Seeking Flat Minima | Politecnico di Torino | ECCV | 2022年 | [PUB] [SUPP] [PDF] [CODE] |
| AdaBest: Minimizing Client Drift in Federated Learning via Adaptive Bias Estimation | ECCV | 2022年 | [PUB] [SUPP] [PDF] [CODE] [PAGE] | |
| SphereFed: Hyperspherical Federated Learning | ECCV | 2022年 | [PUB] [SUPP] [PDF] | |
| Federated Self-Supervised Learning for Video Understanding | ECCV | 2022年 | [PUB] [PDF] [CODE] | |
| FedVLN: Privacy-Preserving Federated Vision-and-Language Navigation | ECCV | 2022年 | [PUB] [SUPP] [PDF] [CODE] | |
| Addressing Heterogeneity in Federated Learning via Distributional Transformation | ECCV | 2022年 | [PUB] [CODE] | |
| FedX: Unsupervised Federated Learning with Cross Knowledge Distillation | KAIST | ECCV | 2022年 | [PUB] [SUPP] [PDF] [CODE] |
| Personalizing Federated Medical Image Segmentation via Local Calibration | Xiamen University | ECCV | 2022年 | [PUB] [SUPP] [PDF] [CODE] |
| ATPFL: Automatic Trajectory Prediction Model Design Under Federated Learning Framework | 打つ | CVPR | 2022年 | [パブ] |
| Rethinking Architecture Design for Tackling Data Heterogeneity in Federated Learning | スタンフォード | CVPR | 2022年 | [PUB] [SUPP] [PDF] [CODE] [VIDEO] |
| FedCorr: Multi-Stage Federated Learning for Label Noise Correction | Singapore University of Technology and Design | CVPR | 2022年 | [PUB] [SUPP] [PDF] [CODE] [VIDEO] |
| FedCor: Correlation-Based Active Client Selection Strategy for Heterogeneous Federated Learning | デューク大学 | CVPR | 2022年 | [PUB] [SUPP] [PDF] |
| Layer-Wised Model Aggregation for Personalized Federated Learning | PolyU | CVPR | 2022年 | [PUB] [SUPP] [PDF] |
| Local Learning Matters: Rethinking Data Heterogeneity in Federated Learning | University of Central Florida | CVPR | 2022年 | [PUB] [SUPP] [PDF] [CODE] |
| Federated Learning With Position-Aware Neurons | 南京大学 | CVPR | 2022年 | [PUB] [SUPP] [PDF] |
| RSCFed: Random Sampling Consensus Federated Semi-Supervised Learning | HKUST | CVPR | 2022年 | [PUB] [SUPP] [PDF] [CODE] |
| Learn From Others and Be Yourself in Heterogeneous Federated Learning | 武漢大学 | CVPR | 2022年 | [PUB] [CODE] [VIDEO] |
| Robust Federated Learning With Noisy and Heterogeneous Clients | 武漢大学 | CVPR | 2022年 | [PUB] [SUPP] [CODE] |
| ResSFL: A Resistance Transfer Framework for Defending Model Inversion Attack in Split Federated Learning | Arizona State University | CVPR | 2022年 | [PUB] [SUPP] [PDF] [CODE] |
| FedDC: Federated Learning With Non-IID Data via Local Drift Decoupling and Correction | National University of Defense Technology | CVPR | 2022年 | [PUB] [PDF] [CODE] [解读] |
| Federated Class-Incremental Learning | CAS; Northwestern University; UTS | CVPR | 2022年 | [PUB] [PDF] [CODE] |
| Fine-Tuning Global Model via Data-Free Knowledge Distillation for Non-IID Federated Learning | PKU; JD Explore Academy; The University of Sydney | CVPR | 2022年 | [PUB] [PDF] |
| Differentially Private Federated Learning With Local Regularization and Sparsification | CAS | CVPR | 2022年 | [PUB] [PDF] |
| Auditing Privacy Defenses in Federated Learning via Generative Gradient Leakage | University of Tennessee; Oak Ridge National Laboratory; Google Research | CVPR | 2022年 | [PUB] [PDF] [CODE] [VIDEO] |
| CD2-pFed: Cyclic Distillation-Guided Channel Decoupling for Model Personalization in Federated Learning | SJTU | CVPR | 2022年 | [PUB] [PDF] |
| Closing the Generalization Gap of Cross-Silo Federated Medical Image Segmentation | Univ. of Pittsburgh;エヌビディア | CVPR | 2022年 | [PUB] [PDF] |
| Adaptive Differential Filters for Fast and Communication-Efficient Federated Learning | HHI | CVPR workshop | 2022年 | [PUB] [PDF] [SILDES] [VIDEO] |
| MPAF: Model Poisoning Attacks to Federated Learning Based on Fake Clients | デューク大学 | CVPR workshop | 2022年 | [PUB] [PDF] [SILDES] [VIDEO] |
| Communication-Efficient Federated Data Augmentation on Non-IID Data | UESTC | CVPR workshop | 2022年 | [パブ] |
| Does Federated Dropout Actually Work? | スタンフォード | CVPR workshop | 2022年 | [PUB] [VIDEO] |
| FedIris: Towards More Accurate and Privacy-preserving Iris Recognition via Federated Template Communication | USTC; CRIPAC; CASIA | CVPR workshop | 2022年 | [PUB] [SLIDES] [VIDEO] |
| Multi-Institutional Collaborations for Improving Deep Learning-Based Magnetic Resonance Image Reconstruction Using Federated Learning | ジョンズ・ホプキンス大学 | CVPR | 2021年 | [PUB] [PDF] [CODE] |
| Model-Contrastive Federated Learning | NUS;カリフォルニア大学バークレー校 | CVPR | 2021年 | [PUB] [PDF] [CODE] [解读] |
| FedDG: Federated Domain Generalization on Medical Image Segmentation via Episodic Learning in Continuous Frequency Space | 香港 | CVPR | 2021年 | [PUB] [PDF] [CODE] |
| Soteria: Provable Defense Against Privacy Leakage in Federated Learning From Representation Perspective | デューク大学 | CVPR | 2021年 | [PUB] [PDF] [CODE] |
| Federated Learning for Non-IID Data via Unified Feature Learning and Optimization Objective Alignment | PKU | ICCV | 2021年 | [パブ] |
| Ensemble Attention Distillation for Privacy-Preserving Federated Learning | University at Buffalo | ICCV | 2021年 | [PUB] [PDF] |
| Collaborative Unsupervised Visual Representation Learning from Decentralized Data | NTU; SenseTime | ICCV | 2021年 | [PUB] [PDF] |
| Joint Optimization in Edge-Cloud Continuum for Federated Unsupervised Person Re-identification | NTU | MM | 2021年 | [PUB] [PDF] |
| Federated Visual Classification with Real-World Data Distribution | MIT;グーグル | ECCV | 2020年 | [PUB] [PDF] [VIDEO] |
| InvisibleFL: Federated Learning over Non-Informative Intermediate Updates against Multimedia Privacy Leakages | MM | 2020年 | [パブ] | |
Performance Optimization of Federated Person Re-identification via Benchmark Analysis data. | NTU | MM | 2020年 | [PUB] [PDF] [CODE] [解读] |
Federated Learning papers accepted by top AI and NLP conference and journal, including ACL(Annual Meeting of the Association for Computational Linguistics), NAACL(North American Chapter of the Association for Computational Linguistics), EMNLP(Conference on Empirical Methods in Natural Language Processing) and COLING(International Conference on Computational Linguistics).
| タイトル | 所属 | 会場 | 年 | 材料 |
|---|---|---|---|---|
| A Hassle-free Algorithm for Strong Differential Privacy in Federated Learning Systems | EMNLP | 2024年 | [パブ] | |
| Safely Learning with Private Data: A Federated Learning Framework for Large Language Model | EMNLP | 2024年 | [パブ] | |
| FEDKIM: Adaptive Federated Knowledge Injection into Medical Foundation Models | EMNLP | 2024年 | [パブ] | |
| Fisher Information-based Efficient Curriculum Federated Learning with Large Language Models | EMNLP | 2024年 | [パブ] | |
| Heterogeneous LoRA for Federated Fine-tuning of On-Device Foundation Models | EMNLP | 2024年 | [パブ] | |
| Promoting Data and Model Privacy in Federated Learning through Quantized LoRA | EMNLP Findings | 2024年 | [パブ] | |
| Heterogeneous LoRA for Federated Fine-tuning of On-Device Foundation Models | EMNLP Findings | 2024年 | [パブ] | |
| Generalizable Multilingual Hate Speech Detection on Low Resource Indian Languages using Fair Selection in Federated Learning | NAACL | 2024年 | [パブ] | |
| Open-Vocabulary Federated Learning with Multimodal Prototyping | NAACL | 2024年 | [パブ] | |
| Navigation as Attackers Wish? Towards Building Robust Embodied Agents under Federated Learning | NAACL | 2024年 | [パブ] | |
| FedLFC: Towards Efficient Federated Multilingual Modeling with LoRA-based Language Family Clustering. | NAACL Findings | 2024年 | [パブ] | |
| Personalized Federated Learning for Text Classification with Gradient-Free Prompt Tuning. | NAACL Findings | 2024年 | [パブ] | |
| Can Public Large Language Models Help Private Cross-device Federated Learning? | NAACL Findings | 2024年 | [パブ] | |
| Fair Federated Learning with Biased Vision-Language Models | ACL Findings | 2024年 | [パブ] | |
| Federated Learning of Large Language Models with Parameter-Efficient Prompt Tuning and Adaptive Optimization | オーバーン大学 | EMNLP | 2023 | [PUB] [PDF] [CODE] |
| Federated Meta-Learning for Emotion and Sentiment Aware Multi-modal Complaint Identification | IIT Patna | EMNLP | 2023年 | [PUB] [CODE] |
| FedID: Federated Interactive Distillation for Large-Scale Pretraining Language Models | YNU | EMNLP | 2023 | [PUB] [CODE] |
| FedTherapist: Mental Health Monitoring with User-Generated Linguistic Expressions on Smartphones via Federated Learning | KAIST | EMNLP | 2023 | [PUB] [PDF] |
| Coordinated Replay Sample Selection for Continual Federated Learning | CMU | EMNLP industry Track | 2023 | [PUB] [PDF] |
| Tunable Soft Prompts are Messengers in Federated Learning | SYSU | EMNLP Findings | 2023 | [PUB] [PDF] [CODE] |
| Federated Learning for Semantic Parsing: Task Formulation, Evaluation Setup, New Algorithms | 大須 | ACL | 2023 | [PUB] [PDF] [CODE] |
| FEDLEGAL: The First Real-World Federated Learning Benchmark for Legal NLP | 打つ; Peng Cheng Lab | ACL | 2023 | [PUB] [CODE] |
| Client-Customized Adaptation for Parameter-Efficient Federated Learning | ACL Findings | 2023 | [パブ] | |
| Communication Efficient Federated Learning for Multilingual Neural Machine Translation with Adapter | ACL Findings | 2023 | [PUB] [PDF] [CODE] | |
| Federated Domain Adaptation for Named Entity Recognition via Distilling with Heterogeneous Tag Sets | ACL Findings | 2023 | [パブ] | |
| FedPETuning: When Federated Learning Meets the Parameter-Efficient Tuning Methods of Pre-trained Language Models | ACL Findings | 2023 | [パブ] | |
| Federated Learning of Gboard Language Models with Differential Privacy | ACL Industry Track | 2023 | [PUB] [PDF] | |
| Backdoor Attacks in Federated Learning by Rare Embeddings and Gradient Ensembling | SNU | EMNLP | 2022年 | [PUB] [PDF] |
| A Federated Approach to Predicting Emojis in Hindi Tweets | University of Alberta | EMNLP | 2022年 | [PUB] [PDF] [CODE] |
| Federated Model Decomposition with Private Vocabulary for Text Classification | 打つ; Peng Cheng Lab | EMNLP | 2022年 | [PUB] [CODE] |
| Fair NLP Models with Differentially Private Text Encoders | Univ.リール | EMNLP | 2022年 | [PUB] [PDF] [CODE] |
| Federated Continual Learning for Text Classification via Selective Inter-client Transfer | DRIMCo GmbH; LMU | EMNLP Findings | 2022年 | [PUB] [PDF] [CODE] |
Efficient Federated Learning on Knowledge Graphs via Privacy-preserving Relation Embedding Aggregation kg. | Lehigh University | EMNLP Findings | 2022年 | [PUB] [PDF] [CODE] |
| Dim-Krum: Backdoor-Resistant Federated Learning for NLP with Dimension-wise Krum-Based Aggregation | PKU | EMNLP Findings | 2022年 | [PUB] [PDF] |
| Scaling Language Model Size in Cross-Device Federated Learning | グーグル | ACL workshop | 2022年 | [PUB] [PDF] |
| Intrinsic Gradient Compression for Scalable and Efficient Federated Learning | オックスフォード | ACL workshop | 2022年 | [PUB] [PDF] |
| ActPerFL: Active Personalized Federated Learning | アマゾン | ACL workshop | 2022年 | [PUB] [PAGE] |
| FedNLP: Benchmarking Federated Learning Methods for Natural Language Processing Tasks | USC | NAACL | 2022年 | [PUB] [PDF] [CODE] |
| Federated Learning with Noisy User Feedback | USC;アマゾン | NAACL | 2022年 | [PUB] [PDF] |
| Training Mixed-Domain Translation Models via Federated Learning | アマゾン | NAACL | 2022年 | [PUB] [PAGE] [PDF] |
| Pretrained Models for Multilingual Federated Learning | ジョンズ・ホプキンス大学 | NAACL | 2022年 | [PUB] [PDF] [CODE] |
| Federated Chinese Word Segmentation with Global Character Associations | ワシントン大学 | ACL workshop | 2021年 | [PUB] [CODE] |
| Efficient-FedRec: Efficient Federated Learning Framework for Privacy-Preserving News Recommendation | USTC | EMNLP | 2021年 | [PUB] [PDF] [CODE] [VIDEO] |
| Improving Federated Learning for Aspect-based Sentiment Analysis via Topic Memories | CUHK (Shenzhen) | EMNLP | 2021年 | [PUB] [CODE] [VIDEO] |
| A Secure and Efficient Federated Learning Framework for NLP | University of Connecticut | EMNLP | 2021年 | [PUB] [PDF] [VIDEO] |
| Distantly Supervised Relation Extraction in Federated Settings | UCAS | EMNLP workshop | 2021年 | [PUB] [PDF] [CODE] |
| Federated Learning with Noisy User Feedback | USC;アマゾン | NAACL workshop | 2021年 | [PUB] [PDF] |
| An Investigation towards Differentially Private Sequence Tagging in a Federated Framework | Universität Hamburg | NAACL workshop | 2021 | [パブ] |
| Understanding Unintended Memorization in Language Models Under Federated Learning | グーグル | NAACL workshop | 2021 | [PUB] [PDF] |
| FedED: Federated Learning via Ensemble Distillation for Medical Relation Extraction | CAS | EMNLP | 2020年 | [PUB] [VIDEO] [解读] |
| Empirical Studies of Institutional Federated Learning For Natural Language Processing | Ping An Technology | EMNLP workshop | 2020年 | [パブ] |
| Federated Learning for Spoken Language Understanding | PKU | COLING | 2020年 | [パブ] |
| Two-stage Federated Phenotyping and Patient Representation Learning | Boston Children's Hospital Harvard Medical School | ACL workshop | 2019年 | [PUB] [PDF] [CODE] [UC.] |
Federated Learning papers accepted by top Information Retrieval conference and journal, including SIGIR(Annual International ACM SIGIR Conference on Research and Development in Information Retrieval).
| タイトル | 所属 | 会場 | 年 | 材料 |
|---|---|---|---|---|
| ReFer: Retrieval-Enhanced Vertical Federated Recommendation for Full Set User Benefit | 木 | SIGIR | 2024年 | [パブ] |
| Revisit Targeted Model Poisoning on Federated Recommendation: Optimize via Multi-objective Transport | ZJU | SIGIR | 2024年 | [パブ] |
| FeB4RAG: Evaluating Federated Search in the Context of Retrieval Augmented Generation | UQ | SIGIR | 2024年 | [PUB] [PDF] [CODE] |
| FedUD: Exploiting Unaligned Data for Cross-Platform Federated Click-Through Rate Prediction | Alibaba Group | SIGIR | 2024年 | [パブ] |
| Personalized Federated Relation Classification over Heterogeneous Texts | NUDT | SIGIR | 2023 | [パブ] |
| Fine-Grained Preference-Aware Personalized Federated POI Recommendation with Data Sparsity | SDU | SIGIR | 2023 | [パブ] |
| Manipulating Federated Recommender Systems: Poisoning with Synthetic Users and Its Countermeasures | UQ | SIGIR | 2023 | [PUB] [PDF] |
| FedAds: A Benchmark for Privacy-Preserving CVR Estimation with Vertical Federated Learning | Alibaba Group | SIGIR | 2023年 | [PUB] [PDF] [CODE] |
| Edge-cloud Collaborative Learning with Federated and Centralized Features (short-paper) | ZJU | SIGIR | 2023 | [PUB] [PDF] |
| FLIRT: Federated Learning for Information Retrieval (extended-abstract) | IMT Lucca | SIGIR | 2023 | [パブ] |
| Is Non-IID Data a Threat in Federated Online Learning to Rank? | The University of Queensland | SIGIR | 2022年 | [PUB] [CODE] |
| FedCT: Federated Collaborative Transfer for Recommendation | Rutgers University | SIGIR | 2021 | [PUB] [PDF] [CODE] |
| On the Privacy of Federated Pipelines | ミュンヘン工科大学 | SIGIR | 2021 | [パブ] |
| FedCMR: Federated Cross-Modal Retrieval. | Dalian University of Technology | SIGIR | 2021 | [PUB] [CODE] |
| Meta Matrix Factorization for Federated Rating Predictions. | SDU | SIGIR | 2020年 | [PUB] [PDF] |
Federated Learning papers accepted by top Database conference and journal, including SIGMOD(ACM SIGMOD Conference) , ICDE(IEEE International Conference on Data Engineering) and VLDB(Very Large Data Bases Conference).
| タイトル | 所属 | 会場 | 年 | 材料 |
|---|---|---|---|---|
| FedMix: Boosting with Data Mixture for Vertical Federated Learning | ICDE | 2024年 | [パブ] | |
| FedCross: Towards Accurate Federated Learning via Multi-Model Cross-Aggregation | ICDE | 2024年 | [パブ] | |
| Clients Help Clients: Alternating Collaboration for Semi-Supervised Federated Learning | ICDE | 2024年 | [パブ] | |
| Semi-Asynchronous Online Federated Crowdsourcing | ICDE | 2024年 | [パブ] | |
| AdaFGL: A New Paradigm for Federated Node Classification with Topology Heterogeneity | ICDE | 2024年 | [パブ] | |
| MergeSFL: Split Federated Learning with Feature Merging and Batch Size Regulation | ICDE | 2024年 | [パブ] | |
| LightTR: A Lightweight Framework for Federated Trajectory Recovery | ICDE | 2024年 | [パブ] | |
| Feed: Towards Personalization-Effective Federated Learning | ICDE | 2024年 | [パブ] | |
| Label Noise Correction for Federated Learning: A Secure, Efficient and Reliable Realization | ICDE | 2024年 | [パブ] | |
| Fast, Robust and Interpretable Participant Contribution Estimation for Federated Learning | ICDE | 2024年 | [パブ] | |
| HeteFedRec: Federated Recommender Systems with Model Heterogeneity | ICDE | 2024年 | [パブ] | |
| Hide Your Model: A Parameter Transmission-free Federated Recommender System | ICDE | 2024年 | [パブ] | |
| FedCTQ: A Federated-Based Framework for Accurate and Efficient Contact Tracing Query | ICDE | 2024年 | [パブ] | |
| Preventing the Popular Item Embedding Based Attack in Federated Recommendations | ICDE | 2024年 | [パブ] | |
| RobFL: Robust Federated Learning via Feature Center Separation and Malicious Center Detection | ICDE | 2024年 | [パブ] | |
| Federated Fine-Tuning of LLMs on the Very Edge: The Good, the Bad, the Ugly | タム | DEEM@SIGMOD | 2024年 | [パブ] |
| FedSQ: A Secure System for Federated Vector Similarity Queries | VLDB | 2024年 | [パブ] | |
| FedSM: A Practical Federated Shared Mobility System | VLDB | 2024年 | [パブ] | |
| OFL-W3: A One-Shot Federated Learning System on Web 3.0 | VLDB | 2024年 | [パブ] | |
| Contributions Estimation in Federated Learning: A Comprehensive Experimental Evaluation | VLDB | 2024年 | [パブ] | |
| OFL-W3: A One-shot Federated Learning System on Web 3.0 | VLDB | 2024年 | [パブ] | |
| Uldp-FL: Federated Learning with Across Silo User-Level Differential Privacy. | VLDB | 2024年 | [パブ] | |
| FedSM: A Practical Federated Shared Mobility System. | VLDB | 2024年 | [パブ] | |
| FedSQ: A Secure System for Federated Vector Similarity Queries | VLDB | 2024年 | [パブ] | |
| Performance-Based Pricing of Federated Learning via Auction | Alibaba Group | VLDB | 2024年 | [PUB] [CODE] |
| A Blockchain System for Clustered Federated Learning with Peer-to-Peer Knowledge Transfer | NJU | VLDB | 2024年 | [PUB] [CODE] |
| Communication Efficient and Provable Federated Unlearning | SDU; KAUST | VLDB | 2024年 | [PUB] [PDF] [CODE] |
| Enhancing Decentralized Federated Learning for Non-IID Data on Heterogeneous Devices | USTC | ICDE | 2023 | [パブ] |
| Dynamic Activation of Clients and Parameters for Federated Learning over Heterogeneous Graphs | コロンビア大学 | ICDE | 2023 | [PUB] [CODE] |
| FedKNOW: Federated Continual Learning with Signature Task Knowledge Integration at Edge | 少し | ICDE | 2023 | [PUB] [PDF] |
| Lumos: Heterogeneity-aware Federated Graph Learning over Decentralized Devices | SJTU | ICDE | 2023 | [PUB] [PDF] |
| Federated IoT Interaction Vulnerability Analysis | MSU | ICDE | 2023 | [パブ] |
| Distribution-Regularized Federated Learning on Non-IID Data | BUAA | ICDE | 2023 | [パブ] |
| Fed-SC: One-Shot Federated Subspace Clustering over High-Dimensional Data | ShanghaiTech University | ICDE | 2023 | [PUB] [CODE] |
| FLBooster: A Unified and Efficient Platform for Federated Learning Acceleration | ZJU | ICDE | 2023 | [パブ] |
| FedGTA: Topology-aware Averaging for Federated Graph Learning. | 少し | VLDB | 2023 | [PUB] [CODE] |
| FS-Real: A Real-World Cross-Device Federated Learning Platform. | Alibaba Group | VLDB | 2023 | [PUB] [PDF] [CODE] |
| Federated Calibration and Evaluation of Binary Classifiers. | メタ | VLDB | 2023 | [PUB] [PDF] [CODE] |
| Olive: Oblivious Federated Learning on Trusted Execution Environment Against the Risk of Sparsification. | 京都大学 | VLDB | 2023 | [PUB] [PDF] [CODE] |
| Falcon: A Privacy-Preserving and Interpretable Vertical Federated Learning System. | NUS | VLDB | 2023 | [PUB] [CODE] |
| Differentially Private Vertical Federated Clustering. | パデュー大学 | VLDB | 2023 | [PUB] [PDF] [CODE] |
| FederatedScope: A Flexible Federated Learning Platform for Heterogeneity. | アリババ | VLDB | 2023 | [PUB] [PDF] [CODE] |
| Secure Shapley Value for Cross-Silo Federated Learning. | 京都大学 | VLDB | 2023 | [PUB] [PDF] [CODE] |
| OpBoost: A Vertical Federated Tree Boosting Framework Based on Order-Preserving Desensitization | ZJU | VLDB | 2022年 | [PUB] [PDF] [CODE] |
| Skellam Mixture Mechanism: a Novel Approach to Federated Learning with Differential Privacy. | NUS | VLDB | 2022年 | [PUB] [CODE] |
| Towards Communication-efficient Vertical Federated Learning Training via Cache-enabled Local Update | PKU | VLDB | 2022年 | [PUB] [PDF] [CODE] |
| FedTSC: A Secure Federated Learning System for Interpretable Time Series Classification. | 打つ | VLDB | 2022年 | [PUB] [CODE] |
| Improving Fairness for Data Valuation in Horizontal Federated Learning | The UBC | ICDE | 2022年 | [PUB] [PDF] |
| FedADMM: A Robust Federated Deep Learning Framework with Adaptivity to System Heterogeneity | USTC | ICDE | 2022年 | [PUB] [PDF] [CODE] |
| FedMP: Federated Learning through Adaptive Model Pruning in Heterogeneous Edge Computing. | USTC | ICDE | 2022年 | [パブ] |
| Federated Learning on Non-IID Data Silos: An Experimental Study. | NUS | ICDE | 2022年 | [PUB] [PDF] [CODE] |
| Enhancing Federated Learning with Intelligent Model Migration in Heterogeneous Edge Computing | USTC | ICDE | 2022年 | [パブ] |
| Samba: A System for Secure Federated Multi-Armed Bandits | Univ. Clermont Auvergne | ICDE | 2022年 | [PUB] [CODE] |
| FedRecAttack: Model Poisoning Attack to Federated Recommendation | ZJU | ICDE | 2022年 | [PUB] [PDF] [CODE] |
| Enhancing Federated Learning with In-Cloud Unlabeled Data | USTC | ICDE | 2022年 | [パブ] |
| Efficient Participant Contribution Evaluation for Horizontal and Vertical Federated Learning | USTC | ICDE | 2022年 | [パブ] |
| An Introduction to Federated Computation | University of Warwick;フェイスブック | SIGMOD Tutorial | 2022年 | [パブ] |
| BlindFL: Vertical Federated Machine Learning without Peeking into Your Data | PKU;テンセント | SIGMOD | 2022年 | [PUB] [PDF] |
| An Efficient Approach for Cross-Silo Federated Learning to Rank | BUAA | ICDE | 2021 | [PUB] [RELATED PAPER(ZH)] |
| Feature Inference Attack on Model Predictions in Vertical Federated Learning | NUS | ICDE | 2021 | [PUB] [PDF] [CODE] |
| Efficient Federated-Learning Model Debugging | USTC | ICDE | 2021 | [パブ] |
| Federated Matrix Factorization with Privacy Guarantee | Purdue | VLDB | 2021 | [パブ] |
| Projected Federated Averaging with Heterogeneous Differential Privacy. | Renmin University of China | VLDB | 2021 | [PUB] [CODE] |
| Enabling SQL-based Training Data Debugging for Federated Learning | Simon Fraser University | VLDB | 2021 | [PUB] [PDF] [CODE] |
| Refiner: A Reliable Incentive-Driven Federated Learning System Powered by Blockchain | ZJU | VLDB | 2021 | [パブ] |
| Tanium Reveal: A Federated Search Engine for Querying Unstructured File Data on Large Enterprise Networks | Tanium Inc. | VLDB | 2021 | [PUB] [VIDEO] |
| VF2Boost: Very Fast Vertical Federated Gradient Boosting for Cross-Enterprise Learning | PKU | SIGMOD | 2021 | [パブ] |
| ExDRa: Exploratory Data Science on Federated Raw Data | SIEMENS | SIGMOD | 2021 | [パブ] |
| Joint blockchain and federated learning-based offloading in harsh edge computing environments | TJU | SIGMOD workshop | 2021 | [パブ] |
| Privacy Preserving Vertical Federated Learning for Tree-based Models | NUS | VLDB | 2020年 | [PUB] [PDF] [VIDEO] [CODE] |
Federated Learning papers accepted by top Database conference and journal, including SIGCOMM(Conference on Applications, Technologies, Architectures, and Protocols for Computer Communication), INFOCOM(IEEE Conference on Computer Communications), MobiCom(ACM/IEEE International Conference on Mobile Computing and Networking), NSDI(Symposium on Networked Systems Design and Implementation) and WWW(The Web Conference).
| タイトル | 所属 | 会場 | 年 | 材料 |
|---|---|---|---|---|
| Breaking Secure Aggregation: Label Leakage from Aggregated Gradients in Federated Learning | INFOCOM | 2024年 | [パブ] | |
| Strategic Data Revocation in Federated Unlearning | INFOCOM | 2024年 | [パブ] | |
| FedTC: Enabling Communication-Efficient Federated Learning via Transform Coding | INFOCOM | 2024年 | [パブ] | |
| Federated Learning While Providing Model as a Service: Joint Training and Inference Optimization | INFOCOM | 2024年 | [パブ] | |
| FairFed: Improving Fairness and Efficiency of Contribution Evaluation in Federated Learning via Cooperative Shapley Value | INFOCOM | 2024年 | [パブ] | |
| DPBalance: Efficient and Fair Privacy Budget Scheduling for Federated Learning as a Service | INFOCOM | 2024年 | [パブ] | |
| Tomtit: Hierarchical Federated Fine-Tuning of Giant Models based on Autonomous Synchronization | INFOCOM | 2024年 | [パブ] | |
| BR-DeFedRL: Byzantine-Robust Decentralized Federated Reinforcement Learning with Fast Convergence and Communication Efficiency | INFOCOM | 2024年 | [パブ] | |
| Titanic: Towards Production Federated Learning with Large Language Models | INFOCOM | 2024年 | [パブ] | |
| Expediting In-Network Federated Learning by Voting-Based Consensus Model Compression | INFOCOM | 2024年 | [パブ] | |
| Fed-CVLC: Compressing Federated Learning Communications with Variable-Length Codes | INFOCOM | 2024年 | [パブ] | |
| Federated Analytics-Empowered Frequent Pattern Mining for Decentralized Web 3.0 Applications | INFOCOM | 2024年 | [パブ] | |
| GraphProxy: Communication-Efficient Federated Graph Learning with Adaptive Proxy | INFOCOM | 2024年 | [パブ] | |
| Agglomerative Federated Learning: Empowering Larger Model Training via End-Edge-Cloud Collaboration | INFOCOM | 2024年 | [PUB] [CODE] | |
| AeroRec: An Efficient On-Device Recommendation Framework using Federated Self-Supervised Knowledge Distillation | INFOCOM | 2024年 | [パブ] | |
| Efficient and Straggler-Resistant Homomorphic Encryption for Heterogeneous Federated Learning | INFOCOM | 2024年 | [パブ] | |
| Heroes: Lightweight Federated Learning with Neural Composition and Adaptive Local Update in Heterogeneous Edge Networks | INFOCOM | 2024年 | [パブ] | |
| Momentum-Based Federated Reinforcement Learning with Interaction and Communication Efficiency | INFOCOM | 2024年 | [パブ] | |
| Federated Offline Policy Optimization with Dual Regularization | INFOCOM | 2024年 | [パブ] | |
| A Semi-Asynchronous Decentralized Federated Learning Framework via Tree-Graph Blockchain | INFOCOM | 2024年 | [パブ] | |
| SpreadFGL: Edge-Client Collaborative Federated Graph Learning with Adaptive Neighbor Generation | INFOCOM | 2024年 | [パブ] | |
| Towards Efficient Asynchronous Federated Learning in Heterogeneous Edge Environments | INFOCOM | 2024年 | [パブ] | |
| Federated Learning Based Integrated Sensing, Communications, and Powering Over 6G Massive-MIMO Mobile Networks | INFOCOM workshop | 2024年 | [パブ] | |
| Decentralized Federated Learning Under Free-riders: Credibility Analysis | INFOCOM workshop | 2024年 | [パブ] | |
| TrustBandit: Optimizing Client Selection for Robust Federated Learning Against Poisoning Attacks | INFOCOM workshop | 2024年 | [パブ] | |
| Cascade: Enhancing Reinforcement Learning with Curriculum Federated Learning and Interference Avoidance — A Case Study in Adaptive Bitrate Selection | INFOCOM workshop | 2024年 | [パブ] | |
| Efficient Adapting for Vision-language Foundation Model in Edge Computing Based on Personalized and Multi-Granularity Federated Learning | INFOCOM workshop | 2024年 | [パブ] | |
| Distributed Link Heterogeneity Exploitation for Attention-Weighted Robust Federated Learning in 6G Networks | INFOCOM workshop | 2024年 | [パブ] | |
| GAN-Based Privacy Abuse Attack on Federated Learning in IoT Networks | INFOCOM workshop | 2024年 | [パブ] | |
| Fedkit: Enabling Cross-Platform Federated Learning for Android and iOS | INFOCOM workshop | 2024年 | [PUB] [CODE] | |
| ASR-FED: Agnostic Straggler Resilient Federated Algorithm for Drone Networks Security | INFOCOM workshop | 2024年 | [パブ] | |
| Unbiased Federated Learning for Heterogeneous Data Under Unreliable Links | INFOCOM workshop | 2024年 | [パブ] | |
| Efficient Client Sampling with Compression in Heterogeneous Federated Learning | INFOCOM workshop | 2024年 | [パブ] | |
| Reputation-Aware Scheduling for Secure Internet of Drones: A Federated Multi-Agent Deep Reinforcement Learning Approach | INFOCOM workshop | 2024年 | [パブ] | |
| Two-Timescale Energy Optimization for Wireless Federated Learning | INFOCOM workshop | 2024年 | [パブ] | |
| A Data Reconstruction Attack Against Vertical Federated Learning Based on Knowledge Transfer | INFOCOM workshop | 2024年 | [パブ] | |
| Federated Learning for Energy-efficient Cooperative Perception in Connected and Autonomous Vehicles | INFOCOM workshop | 2024年 | [パブ] | |
| Federated Learning-Based Cooperative Model Training for Task-Oriented Semantic Communication | INFOCOM workshop | 2024年 | [パブ] | |
| FedBF16-Dynamic: Communication-Efficient Federated Learning with Adaptive Transmission | INFOCOM workshop | 2024年 | [パブ] | |
| Designing Robust 6G Networks with Bimodal Distribution for Decentralized Federated Learning | INFOCOM workshop | 2024年 | [パブ] | |
| Federated Distributed Deep Reinforcement Learning for Recommendation-enabled Edge Caching | INFOCOM workshop | 2024年 | [パブ] | |
| Joint Optimization of Charging Time and Resource Allocation in Wireless Power Transfer Assisted Federated Learning | INFOCOM workshop | 2024年 | [パブ] | |
| Joint Client Selection and Privacy Compensation for Differentially Private Federated Learning | INFOCOM workshop | 2024年 | [パブ] | |
| Wireless Hierarchical Federated Aggregation Weights Design with Loss-Based-Heterogeneity | INFOCOM workshop | 2024年 | [パブ] | |
| ADMarker: A Multi-Modal Federated Learning System for Monitoring Digital Biomarkers of Alzheimer's Disease | 香港 | MobiCom | 2024年 | [PUB] [PDF] [CODE] |
| Accelerating the Decentralized Federated Learning via Manipulating Edges | SZU | WWW | 2024年 | [パブ] |
| Prompt-enhanced Federated Content Representation Learning for Cross-domain Recommendation | SDNU | WWW | 2024年 | [PUB] [PDF] [CODE] |
| PAGE: Equilibrate Personalization and Generalization in Federated Learning | XDU | WWW | 2024年 | [PUB] [PDF] [CODE] |
| Federated Learning Vulnerabilities: Privacy Attacks with Denoising Diffusion Probabilistic Models | ECNU | WWW | 2024年 | [パブ] |
| Co-clustering for Federated Recommender System | UIUC | WWW | 2024年 | [パブ] |
| Incentive and Dynamic Client Selection for Federated Unlearning | BUPT | WWW | 2024年 | [パブ] |
| Towards Efficient Communication and Secure Federated Recommendation System via Low-rank Training | VinUniversity | WWW | 2024年 | [PUB] [PDF] [CODE] |
| BlockDFL: A Blockchain-based Fully Decentralized Peer-to-Peer Federated Learning Framework | ZJU | WWW | 2024年 | [PUB] [PDF] |
| Towards Personalized Privacy: User-Governed Data Contribution for Federated Recommendation | UQ | WWW | 2024年 | [PUB] [PDF] |
| FedDSE: Distribution-aware Sub-model Extraction for Federated Learning over Resource-constrained Devices | NTU | WWW | 2024年 | [パブ] |
| Cardinality Counting in "Alcatraz": A Privacy-aware Federated Learning Approach | CSIRO's Data61 | WWW | 2024年 | [パブ] |
| Federated Heterogeneous Graph Neural Network for Privacy-preserving Recommendation | BUPT | WWW | 2024年 | [PUB] [PDF] |
| Poisoning Federated Recommender Systems with Fake Users | USTC | WWW | 2024年 | [PUB] [PDF] |
| Towards Energy-efficient Federated Learning via INT8-based Training on Mobile DSPs | BUPT | WWW | 2024年 | [パブ] |
| Privacy-Preserving and Fairness-Aware Federated Learning for Critical Infrastructure Protection and Resilience | UTS | WWW | 2024年 | [PUB] [CODE] |
| When Federated Recommendation Meets Cold-Start Problem: Separating Item Attributes and User Interactions | JLU | WWW | 2024年 | [PUB] [PDF] [CODE] |
| How Few Davids Improve One Goliath: Federated Learning in Resource-Skewed Edge Computing Environments | UCSD | WWW | 2024年 | [PUB] [CODE] [VIDEO] |
| Poisoning Attack on Federated Knowledge Graph Embedding | PolyU | WWW | 2024年 | [PUB] [CODE] |
| FL@FM-TheWebConf'24: International Workshop on Federated Foundation Models for the Web | 香港 | WWW (Companion Volume) | 2024年 | [PUB] [PAGE] |
| An Investigation into the Feasibility of Performing Federated Learning on Social Linked Data Servers | University of Southampton | WWW (Companion Volume) | 2024年 | [パブ] |
| Exploring Representational Similarity Analysis to Protect Federated Learning from Data Poisoning | SYSU | WWW (Companion Volume) | 2024年 | [パブ] |
| Only Send What You Need: Learning to Communicate Efficiently in Federated Multilingual Machine Translation | パデュー大学 | WWW (Companion Volume) | 2024年 | [PUB] [PDF] |
| FedHLT: Efficient Federated Low-Rank Adaption with Hierarchical Language Tree for Multilingual Modeling | 香港 | WWW (Companion Volume) | 2024年 | [パブ] |
| HBIAS FedAvg: Smooth Federated Learning Transition for In-use Edge Models | IIT | WWW (Companion Volume) | 2024年 | [パブ] |
| Phoenix: A Federated Generative Diffusion Model | UW | WWW (Companion Volume) | 2024年 | [パブ] |
| Federated Learning in Large Model Era: Vision-Language Model for Smart City Safety Operation Management | ENN; UPC | WWW (Companion Volume) | 2024年 | [パブ] |
| Robust Federated Learning Mitigates Client-side Training Data Distribution Inference Attacks | USTC | WWW (Companion Volume) | 2024年 | [PUB] [PDF] |
| GradFilt: Class-wise Targeted Data Reconstruction from Gradients in Federated Learning | PolyU | WWW (Companion Volume) | 2024年 | [パブ] |
| Detecting Poisoning Attacks on Federated Learning Using Gradient-Weighted Class Activation Mapping | ISEP | WWW (Companion Volume) | 2024年 | [パブ] |
| AutoFed: Heterogeneity-Aware Federated Multimodal Learning for Robust Autonomous Driving | NTU | MobiCom | 2023年 | [PUB] [PDF] |
| Efficient Federated Learning for Modern NLP | Beiyou Shenzhen Institute | MobiCom | 2023 | [PDF] [解读] |
| FLASH: Towards a High-performance Hardware Acceleration Architecture for Cross-silo Federated Learning | HKUST; Clustar | NSDI | 2023 | [PUB] [SLIDE] [VIDEO] |
| To Store or Not? Online Data Selection for Federated Learning with Limited Storage. | SJTU | WWW | 2023 | [PUB] [PDF] |
| pFedPrompt: Learning Personalized Prompt for Vision-Language Models in Federated Learning. | PolyU | WWW | 2023 | [パブ] |
| Quantifying and Defending against Privacy Threats on Federated Knowledge Graph Embedding. | ZJU; HIC-ZJU | WWW | 2023 | [PUB] [PDF] |
| Vertical Federated Knowledge Transfer via Representation Distillation for Healthcare Collaboration Networks | PKU | WWW | 2023 | [PUB] [PDF] [CODE] |
| Semi-decentralized Federated Ego Graph Learning for Recommendation | SUST | WWW | 2023 | [PUB] [PDF] |
| FlexiFed: Personalized Federated Learning for Edge Clients with Heterogeneous Model Architectures. | Swinburne | WWW | 2023 | [PUB] [CODE] |
| FedEdge: Accelerating Edge-Assisted Federated Learning. | Swinburne | WWW | 2023 | [パブ] |
| Federated Node Classification over Graphs with Latent Link-type Heterogeneity. | Emory University | WWW | 2023 | [PUB] [CODE] |
| FedACK: Federated Adversarial Contrastive Knowledge Distillation for Cross-Lingual and Cross-Model Social Bot Detection. | USTC | WWW | 2023 | [PUB] [PDF] [CODE] |
| Interaction-level Membership Inference Attack Against Federated Recommender Systems. | UQ | WWW | 2023 | [PUB] [PDF] |
| AgrEvader: Poisoning Membership Inference against Byzantine-robust Federated Learning. | Deakin University | WWW | 2023 | [パブ] |
| Heterogeneous Federated Knowledge Graph Embedding Learning and Unlearning. | NJU | WWW | 2023 | [PUB] [PDF] [CODE] |
| Federated Learning for Metaverse: A Survey. | JNU | WWW (Companion Volume) | 2023 | [PUB] [PDF] |
| Understanding the Impact of Label Skewness and Optimization on Federated Learning for Text Classification | KU Leuven | WWW (Companion Volume) | 2023 | [パブ] |
| Privacy-Preserving Online Content Moderation: A Federated Learning Use Case. | カット | WWW (Companion Volume) | 2023 | [PUB] [PDF] |
| Privacy-Preserving Online Content Moderation with Federated Learning. | カット | WWW (Companion Volume) | 2023 | [パブ] |
| A Federated Learning Benchmark for Drug-Target Interaction. | University of Turin | WWW (Companion Volume) | 2023 | [PUB] [PDF] [CODE] |
| Towards a Decentralized Data Hub and Query System for Federated Dynamic Data Spaces. | TU Berlin | WWW (Companion Volume) | 2023 | [パブ] |
| 1st Workshop on Federated Learning Technologies1st Workshop on Federated Learning Technologies | University of Turin | WWW (Companion Volume) | 2023 | [パブ] |
| A Survey of Trustworthy Federated Learning with Perspectives on Security, Robustness and Privacy | 香港 | WWW (Companion Volume) | 2023 | [PUB] [PDF] |
| A Hierarchical Knowledge Transfer Framework for Heterogeneous Federated Learning | 木 | INFOCOM | 2023 | [パブ] |
| A Reinforcement Learning Approach for Minimizing Job Completion Time in Clustered Federated Learning | Southeast University | INFOCOM | 2023 | [パブ] |
| Adaptive Configuration for Heterogeneous Participants in Decentralized Federated Learning | USTC | INFOCOM | 2023年 | [PUB] [PDF] |
| AnycostFL: Efficient On-Demand Federated Learning over Heterogeneous Edge Devices | Guangdong University of Technology | INFOCOM | 2023 | [PUB] [PDF] |
| AOCC-FL: Federated Learning with Aligned Overlapping via Calibrated Compensation | HUST | INFOCOM | 2023 | [パブ] |
| Asynchronous Federated Unlearning | トロント大学 | INFOCOM | 2023 | [PUB] [PDF] [CODE] |
| Communication-Efficient Federated Learning for Heterogeneous Edge Devices Based on Adaptive Gradient Quantization | 電源ユニット | INFOCOM | 2023 | [PUB] [PDF] |
| Enabling Communication-Efficient Federated Learning via Distributed Compressed Sensing | 北京杭州大学 | INFOCOM | 2023 | [パブ] |
| Federated Learning under Heterogeneous and Correlated Client Availability | Inria | INFOCOM | 2023 | [PUB] [PDF] [CODE] |
| Federated Learning with Flexible Control | IBM | INFOCOM | 2023 | [PUB] [PDF] [CODE] |
| Federated PCA on Grassmann Manifold for Anomaly Detection in IoT Networks | The University of Sydney | INFOCOM | 2023 | [PUB] [PDF] |
| FedMoS: Taming Client Drift in Federated Learning with Double Momentum and Adaptive Selection | HUST | INFOCOM | 2023 | [PUB] [PDF] [CODE] |
| FedSDG-FS: Efficient and Secure Feature Selection for Vertical Federated Learning | NTU | INFOCOM | 2023 | [PUB] [PDF] |
| Heterogeneity-Aware Federated Learning with Adaptive Client Selection and Gradient Compression | USTC | INFOCOM | 2023 | |
| Joint Edge Aggregation and Association for Cost-Efficient Multi-Cell Federated Learning | NUDT | INFOCOM | 2023 | [パブ] |
| Joint Participation Incentive and Network Pricing Design for Federated Learning | Northwestern University | INFOCOM | 2023 | [パブ] |
| More than Enough is Too Much: Adaptive Defenses against Gradient Leakage in Production Federated Learning | トロント大学 | INFOCOM | 2023 | [PUB] [PDF] [WEIBO] |
| Network Adaptive Federated Learning: Congestion and Lossy Compression | UTAustin | INFOCOM | 2023 | [PUB] [PDF] |
| OBLIVION: Poisoning Federated Learning by Inducing Catastrophic Forgetting | The Hang Seng University of Hong Kong | INFOCOM | 2023 | [PUB] [CODE] |
| Privacy as a Resource in Differentially Private Federated Learning | BUPT | INFOCOM | 2023 | [パブ] |
| SplitGP: Achieving Both Generalization and Personalization in Federated Learning | KAIST | INFOCOM | 2023 | [PUB] [PDF] |
| SVDFed: Enabling Communication-Efficient Federated Learning via Singular-Value-Decomposition | 北京杭州大学 | INFOCOM | 2023 | [パブ] |
| Tackling System Induced Bias in Federated Learning: Stratification and Convergence Analysis | Southern University of Science and Technology | INFOCOM | 2023年 | [PUB] [PDF] |
| Toward Sustainable AI: Federated Learning Demand Response in Cloud-Edge Systems via Auctions | BUPT | INFOCOM | 2023 | [PUB] [PDF] |
| Truthful Incentive Mechanism for Federated Learning with Crowdsourced Data Labeling | オーバーン大学 | INFOCOM | 2023 | [PUB] [PDF] |
| TVFL: Tunable Vertical Federated Learning towards Communication-Efficient Model Serving | USTC | INFOCOM | 2023 | [パブ] |
| PyramidFL: Fine-grained Data and System Heterogeneity-aware Client Selection for Efficient Federated Learning | MSU | MobiCom | 2022年 | [PUB] [PDF] [CODE] |
| NestFL: efficient federated learning through progressive model pruning in heterogeneous edge computing | pmlabs | MobiCom(Poster) | 2022年 | [パブ] |
| Federated learning-based air quality prediction for smart cities using BGRU model | IITM | MobiCom(Poster) | 2022年 | [パブ] |
| FedHD: federated learning with hyperdimensional computing | UCSD | MobiCom(Demo) | 2022年 | [PUB] [CODE] |
| Joint Superposition Coding and Training for Federated Learning over Multi-Width Neural Networks | Korea University | INFOCOM | 2022年 | [パブ] |
| Towards Optimal Multi-Modal Federated Learning on Non-IID Data with Hierarchical Gradient Blending | トロント大学 | INFOCOM | 2022年 | [パブ] |
| Optimal Rate Adaption in Federated Learning with Compressed Communications | SZU | INFOCOM | 2022年 | [PUB] [PDF] |
| The Right to be Forgotten in Federated Learning: An Efficient Realization with Rapid Retraining. | CityU | INFOCOM | 2022年 | [PUB] [PDF] |
| Tackling System and Statistical Heterogeneity for Federated Learning with Adaptive Client Sampling. | CUHK; AIRS ;Yale University | INFOCOM | 2022年 | [PUB] [PDF] |
| Communication-Efficient Device Scheduling for Federated Learning Using Stochastic Optimization | Army Research Laboratory, Adelphi | INFOCOM | 2022年 | [PUB] [PDF] |
| FLASH: Federated Learning for Automated Selection of High-band mmWave Sectors | NEU | INFOCOM | 2022年 | [PUB] [CODE] |
| A Profit-Maximizing Model Marketplace with Differentially Private Federated Learning | CUHK; AIRS | INFOCOM | 2022年 | [パブ] |
| Protect Privacy from Gradient Leakage Attack in Federated Learning | PolyU | INFOCOM | 2022年 | [PUB] [SLIDE] |
| FedFPM: A Unified Federated Analytics Framework for Collaborative Frequent Pattern Mining. | SJTU | INFOCOM | 2022年 | [PUB] [CODE] |
| An Accuracy-Lossless Perturbation Method for Defending Privacy Attacks in Federated Learning | SWJTU;THU | WWW | 2022年 | [PUB] [PDF] [CODE] |
| LocFedMix-SL: Localize, Federate, and Mix for Improved Scalability, Convergence, and Latency in Split Learning | Yonsei University | WWW | 2022年 | [パブ] |
| Federated Unlearning via Class-Discriminative Pruning | PolyU | WWW | 2022年 | [PUB] [PDF] [CODE] |
| FedKC: Federated Knowledge Composition for Multilingual Natural Language Understanding | Purdue | WWW | 2022年 | [パブ] |
| Powering Multi-Task Federated Learning with Competitive GPU Resource Sharing. | WWW (Companion Volume) | 2022年 | ||
| Federated Bandit: A Gossiping Approach | University of California | SIGMETRICS | 2021 | [PUB] [PDF] |
| Hermes: an efficient federated learning framework for heterogeneous mobile clients | デューク大学 | MobiCom | 2021 | [パブ] |
| Federated mobile sensing for activity recognition | Samsung AI Center | MobiCom | 2021 | [PUB] [PAGE] [TALKS] [VIDEO] |
| Learning for Learning: Predictive Online Control of Federated Learning with Edge Provisioning. | 南京大学 | INFOCOM | 2021 | [パブ] |
| Device Sampling for Heterogeneous Federated Learning: Theory, Algorithms, and Implementation. | Purdue | INFOCOM | 2021 | [PUB] [PDF] |
| FAIR: Quality-Aware Federated Learning with Precise User Incentive and Model Aggregation | 木 | INFOCOM | 2021 | [パブ] |
| Sample-level Data Selection for Federated Learning | USTC | INFOCOM | 2021 | [パブ] |
| To Talk or to Work: Flexible Communication Compression for Energy Efficient Federated Learning over Heterogeneous Mobile Edge Devices | Xidian University; CAS | INFOCOM | 2021 | [PUB] [PDF] |
| Cost-Effective Federated Learning Design | CUHK; AIRS;イェール大学 | INFOCOM | 2021 | [PUB] [PDF] |
| An Incentive Mechanism for Cross-Silo Federated Learning: A Public Goods Perspective | The UBC | INFOCOM | 2021 | [パブ] |
| Resource-Efficient Federated Learning with Hierarchical Aggregation in Edge Computing | USTC | INFOCOM | 2021 | [パブ] |
| FedServing: A Federated Prediction Serving Framework Based on Incentive Mechanism. | Jinan University; CityU | INFOCOM | 2021 | [PUB] [PDF] |
| Federated Learning over Wireless Networks: A Band-limited Coordinated Descent Approach | Arizona State University | INFOCOM | 2021 | [PUB] [PDF] |
| Dual Attention-Based Federated Learning for Wireless Traffic Prediction | King Abdullah University of Science and Technology | INFOCOM | 2021 | [PUB] [PDF] [CODE] |
| FedSens: A Federated Learning Approach for Smart Health Sensing with Class Imbalance in Resource Constrained Edge Computing | ノートルダム大学 | INFOCOM | 2021 | [パブ] |
| P-FedAvg: Parallelizing Federated Learning with Theoretical Guarantees | SYSU; Guangdong Key Laboratory of Big Data Analysis and Processing | INFOCOM | 2021 | [パブ] |
| Meta-HAR: Federated Representation Learning for Human Activity Recognition. | University of Alberta | WWW | 2021 | [PUB] [PDF] [CODE] |
| PFA: Privacy-preserving Federated Adaptation for Effective Model Personalization | PKU | WWW | 2021 | [PUB] [PDF] [CODE] |
| Communication Efficient Federated Generalized Tensor Factorization for Collaborative Health Data Analytics | エモリー | WWW | 2021 | [PUB] [CODE] |
| Hierarchical Personalized Federated Learning for User Modeling | USTC | WWW | 2021 | [パブ] |
| Characterizing Impacts of Heterogeneity in Federated Learning upon Large-Scale Smartphone Data | PKU | WWW | 2021 | [PUB] [PDF] [SLIDE] [CODE] |
| Incentive Mechanism for Horizontal Federated Learning Based on Reputation and Reverse Auction | SYSU | WWW | 2021 | [パブ] |
| Physical-Layer Arithmetic for Federated Learning in Uplink MU-MIMO Enabled Wireless Networks. | 南京大学 | INFOCOM | 2020年 | [パブ] |
| Optimizing Federated Learning on Non-IID Data with Reinforcement Learning | トロント大学 | INFOCOM | 2020年 | [PUB] [SLIDE] [CODE] [解读] |
| Enabling Execution Assurance of Federated Learning at Untrusted Participants | 木 | INFOCOM | 2020年 | [PUB] [CODE] |
| Billion-scale federated learning on mobile clients: a submodel design with tunable privacy | SJTU | MobiCom | 2020年 | [パブ] |
| Federated Learning over Wireless Networks: Optimization Model Design and Analysis | The University of Sydney | INFOCOM | 2019年 | [PUB] [CODE] |
| Beyond Inferring Class Representatives: User-Level Privacy Leakage From Federated Learning | 武漢大学 | INFOCOM | 2019年 | [PUB] [PDF] [UC.] |
| InPrivate Digging: Enabling Tree-based Distributed Data Mining with Differential Privacy | Collaborative Innovation Center of Geospatial Technology | INFOCOM | 2018年 | [パブ] |
Federated Learning papers accepted by top Database conference and journal, including OSDI(USENIX Symposium on Operating Systems Design and Implementation), SOSP(Symposium on Operating Systems Principles), ISCA(International Symposium on Computer Architecture), MLSys(Conference on Machine Learning and Systems), EuroSys(European Conference on Computer Systems), TPDS(IEEE Transactions on Parallel and Distributed Systems), DAC(Design Automation Conference), TOCS(ACM Transactions on Computer Systems), TOS(ACM Transactions on Storage), TCAD(IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems), TC(IEEE Transactions on Computers) 。
| タイトル | 所属 | 会場 | 年 | 材料 |
|---|---|---|---|---|
| AdaptiveFL: Adaptive Heterogeneous Federated Learning for Resource-Constrained AIoT Systems. | DAC | 2024年 | [パブ] | |
| Fake Node-Based Perception Poisoning Attacks against Federated Object Detection Learning in Mobile Computing Networks | DAC | 2024年 | [パブ] | |
| Flagger: Cooperative Acceleration for Large-Scale Cross-Silo Federated Learning Aggregation | ISCA | 2024年 | [パブ] | |
| FedTrans: Efficient Federated Learning via Multi-Model Transformation | UIUC | MLSys | 2024年 | [PUB] [PDF] |
| LIFL: A Lightweight, Event-driven Serverless Platform for Federated Learning | UC Riverside | MLSys | 2024年 | [PUB] [PDF] |
| HeteroSwitch: Characterizing and Taming System-Induced Data Heterogeneity in Federated Learning | Korea University | MLSys | 2024年 | [PUB] [PDF] [CODE] |
| DeTA: Minimizing Data Leaks in Federated Learning via Decentralized and Trustworthy Aggregation | IBM Research | EuroSys | 2024年 | [パブ] |
| FLOAT: Federated Learning Optimizations with Automated Tuning | Virginia Tech | EuroSys | 2024年 | [PUB] [CODE] |
| Totoro: A Scalable Federated Learning Engine for the Edge | UCSC | EuroSys | 2024年 | [パブ] |
| Dordis: Efficient Federated Learning with Dropout-Resilient Differential Privacy | HKUST | EuroSys | 2024年 | [PUB] [PDF] [CODE] |
| FLIGAN: Enhancing Federated Learning with Incomplete Data using GAN | EuroSys workshop | 2024年 | [パブ] | |
| ALS Algorithm for Robust and Communication-Efficient Federated Learning | EuroSys workshop | 2024年 | [パブ] | |
| FedRDMA: Communication-Efficient Cross-Silo Federated LLM via Chunked RDMA Transmission. | EuroSys workshop | 2024年 | [パブ] | |
| Breaking the Memory Wall for Heterogeneous Federated Learning via Model Splitting. | TPDS | 2024年 | [パブ] | |
| SR-FDIL: Synergistic Replay for Federated Domain-Incremental Learning | TPDS | 2024年 | [パブ] | |
| FedVeca: Federated Vectorized Averaging on Non-IID Data With Adaptive Bi-Directional Global Objective | TPDS | 2024年 | [パブ] | |
| Trusted Model Aggregation With Zero-Knowledge Proofs in Federated Learning. | TPDS | 2024年 | [パブ] | |
| Accelerating Communication-Efficient Federated Multi-Task Learning With Personalization and Fairness. | TPDS | 2024年 | [パブ] | |
| Privacy-Preserving Data Selection for Horizontal and Vertical Federated Learning. | TPDS | 2024年 | [パブ] | |
| High-Performance Hardware Acceleration Architecture for Cross-Silo Federated Learning | TPDS | 2024年 | [パブ] | |
| Joint Participant and Learning Topology Selection for Federated Learning in Edge Clouds | TPDS | 2024年 | [パブ] | |
| Synchronize Only the Immature Parameters: Communication-Efficient Federated Learning By Freezing Parameters Adaptively | SJTU | TPDS | 2024年 | [パブ] |
| FedREM: Guided Federated Learning in the Presence of Dynamic Device Unpredictability | SYSU | TPDS | 2024年 | [パブ] |
| Fed-RAC: Resource-Aware Clustering for Tackling Heterogeneity of Participants in Federated Learning | IITP | TPDS | 2024年 | [PUB] [PDF] |
| Taking Advantage of the Mistakes: Rethinking Clustered Federated Learning for IoT Anomaly Detection | UVIC | TPDS | 2024年 | [パブ] |
| FedICT: Federated Multi-Task Distillation for Multi-Access Edge Computing | UCAS | TPDS | 2024年 | [PUB] [PDF] |
| Collaboration in Federated Learning With Differential Privacy: A Stackelberg Game Analysis | SYSU | TPDS | 2024年 | [パブ] |
| FAST: Enhancing Federated Learning Through Adaptive Data Sampling and Local Training | USTC | TPDS | 2024年 | [パブ] |
| EcoFed: Efficient Communication for DNN Partitioning-Based Federated Learning | University of St Andrews | TPDS | 2024年 | [PUB] [PDF] [CODE] |
| FedHAP: Federated Hashing With Global Prototypes for Cross-Silo Retrieval | 木 | TPDS | 2024年 | [PUB] [PDF] |
| FlexFL: Heterogeneous Federated Learning via APoZ-Guided Flexible Pruning in Uncertain Scenarios. | TCAD | 2024年 | [パブ] | |
| Personalized Meta-Federated Learning for IoT-Enabled Health Monitoring | TCAD | 2024年 | [パブ] | |
| NebulaFL: Self-Organizing Efficient Multilayer Federated Learning Framework With Adaptive Load Tuning in Heterogeneous Edge Systems | TCAD | 2024年 | [パブ] | |
| CaBaFL: Asynchronous Federated Learning via Hierarchical Cache and Feature Balance | TCAD | 2024年 | [パブ] | |
| FedStar: Efficient Federated Learning on Heterogeneous Communication Networks | USTC | TCAD | 2024年 | [パブ] |
| Lithography Hotspot Detection Based on Heterogeneous Federated Learning With Local Adaptation and Feature Selection | ZJU | TCAD | 2024年 | [PUB] [PDF] |
| FedComp: A Federated Learning Compression Framework for Resource-Constrained Edge Computing Devices | 打つ | TCAD | 2024年 | [パブ] |
| BSR-FL: An Efficient Byzantine-Robust Privacy-Preserving Federated Learning Framework | TC | 2024年 | [パブ] | |
| User-Distribution-Aware Federated Learning for Efficient Communication and Fast Inference | ECNU; SHU | TC | 2024年 | [パブ] |
| FedRFQ: Prototype-Based Federated Learning With Reduced Redundancy, Minimal Failure, and Enhanced Quality | SDU | TC | 2024年 | [PUB] [PDF] |
| Value of Information: A Comprehensive Metric for Client Selection in Federated Edge Learning | SDU | TC | 2024年 | [パブ] |
| Age-Aware Data Selection and Aggregator Placement for Timely Federated Continual Learning in Mobile Edge Computing | DLUT | TC | 2024年 | [パブ] |
| FedGKD: Toward Heterogeneous Federated Learning via Global Knowledge Distillation | HUST | TC | 2024年 | [PUB] [PDF] |
| Digital Twin-Assisted Federated Learning Service Provisioning Over Mobile Edge Networks | SDU | TC | 2024年 | [パブ] |
| REFL: Resource-Efficient Federated Learning | QMUL | EuroSys | 2023 | [PUB] [PDF] [CODE] |
| A First Look at the Impact of Distillation Hyper-Parameters in Federated Knowledge Distillation | EuroSys workshop | 2023年 | [パブ] | |
| Towards Practical Few-shot Federated NLP | EuroSys workshop | 2023 | [パブ] | |
| Can Fair Federated Learning Reduce the need for Personalisation? | EuroSys workshop | 2023 | [パブ] | |
| Gradient-less Federated Gradient Boosting Tree with Learnable Learning Rates | EuroSys workshop | 2023 | [パブ] | |
| Towards Robust and Bias-free Federated Learning | EuroSys workshop | 2023 | [パブ] | |
| FedTree: A Federated Learning System For Trees | カリフォルニア大学バークレー校 | MLSys | 2023 | [PUB] [CODE] |
| FLINT: A Platform for Federated Learning Integration | リンクトイン | MLSys | 2023 | [PUB] [PDF] |
| On Noisy Evaluation in Federated Hyperparameter Tuning | CMU | MLSys | 2023 | [PUB] [PDF] [CODE] |
| GlueFL: Reconciling Client Sampling and Model Masking for Bandwidth Efficient Federated Learning | UBC | MLSys | 2023 | [PUB] [PDF] [CODE] |
| Self-Supervised On-Device Federated Learning From Unlabeled Streams. | FDU | TCAD | 2023 | [PUB] [PDF] |
| Optimizing Training Efficiency and Cost of Hierarchical Federated Learning in Heterogeneous Mobile-Edge Cloud Computing | ECNU | TCAD | 2023 | [パブ] |
| Lightweight Blockchain-Empowered Secure and Efficient Federated Edge Learning | University of Exeter | TC | 2023 | [パブ] |
| Towards Data-Independent Knowledge Transfer in Model-Heterogeneous Federated Learning | PolyU | TC | 2023 | [パブ] |
| A New Federated Scheduling Algorithm for Arbitrary-Deadline DAG Tasks | NEFU | TC | 2023 | [パブ] |
| Privacy-Enhanced Decentralized Federated Learning at Dynamic Edge | SDU | TC | 2023 | [パブ] |
| Byzantine-Resilient Federated Learning at Edge | SDU | TC | 2023 | [PUB] [PDF] |
| PrivAim: A Dual-Privacy Preserving and Quality-Aware Incentive Mechanism for Federated Learning | CSU | TC | 2023 | [パブ] |
| Accelerating Federated Learning With a Global Biased Optimiser | University of Exeter | TC | 2023 | [PUB] [PDF] [CODE] |
| Type-Aware Federated Scheduling for Typed DAG Tasks on Heterogeneous Multicore Platforms | TU Dortmund University | TC | 2023年 | [PUB] [CODE] |
| Sandbox Computing: A Data Privacy Trusted Sharing Paradigm Via Blockchain and Federated Learning. | BUPT | TC | 2023 | [パブ] |
| CHEESE: Distributed Clustering-Based Hybrid Federated Split Learning Over Edge Networks | SUDA | TPDS | 2023 | [パブ] |
| Hierarchical Federated Learning With Momentum Acceleration in Multi-Tier Networks | University of Sydney | TPDS | 2023 | [PUB] [PDF] |
| Dap-FL: Federated Learning Flourishes by Adaptive Tuning and Secure Aggregation | Xidian University | TPDS | 2023 | [PUB] [PDF] [CODE] |
| Collaborative Intrusion Detection System for SDVN: A Fairness Federated Deep Learning Approach | Anhui University | TPDS | 2023 | [パブ] |
| Energy-Aware, Device-to-Device Assisted Federated Learning in Edge Computing | ANU | TPDS | 2023 | [パブ] |
| Faster Federated Learning With Decaying Number of Local SGD Steps | University of Exeter | TPDS | 2023 | [PUB] [PDF] [CODE] |
| DRFL: Federated Learning in Diabetic Retinopathy Grading Using Fundus Images | National Institute of Technology Silchar | TPDS | 2023 | [パブ] |
| FedProf: Selective Federated Learning Based on Distributional Representation Profiling | Peng Cheng Laboratory | TPDS | 2023 | [PUB] [PDF] [UC] |
| Federated Ensemble Model-Based Reinforcement Learning in Edge Computing | University of Exeter | TPDS | 2023 | [PUB] [PDF] |
| Incentive Mechanism Design for Joint Resource Allocation in Blockchain-Based Federated Learning. | IUPUI | TPDS | 2023 | [PUB] [PDF] |
| HiFlash: Communication-Efficient Hierarchical Federated Learning With Adaptive Staleness Control and Heterogeneity-Aware Client-Edge Association. | SYSU | TPDS | 2023 | [PUB] [PDF] |
| From Deterioration to Acceleration: A Calibration Approach to Rehabilitating Step Asynchronism in Federated Optimization. | PolyU | TPDS | 2023 | [PUB] [PDF] [CODE] |
| Federated Learning Over Coupled Graphs | XJTU | TPDS | 2023年 | [PUB] [PDF] |
| Privacy vs. Efficiency: Achieving Both Through Adaptive Hierarchical Federated Learning | NUDT | TPDS | 2023 | [パブ] |
| On Model Transmission Strategies in Federated Learning With Lossy Communications | SZU | TPDS | 2023 | [パブ] |
| Scheduling Algorithms for Federated Learning With Minimal Energy Consumption | University of Bordeaux | TPDS | 2023 | [PUB] [PDF] [CODE] |
| Auction-Based Cluster Federated Learning in Mobile Edge Computing Systems | 打つ | TPDS | 2023 | [PUB] [PDF] |
| Personalized Edge Intelligence via Federated Self-Knowledge Distillation. | HUST | TPDS | 2023 | [PUB] [CODE] |
| Design of a Quantization-Based DNN Delta Compression Framework for Model Snapshots and Federated Learning. | 打つ | TPDS | 2023 | [パブ] |
| Multi-Job Intelligent Scheduling With Cross-Device Federated Learning. | 百度 | TPDS | 2023 | [PUB] [PDF] |
| Data-Centric Client Selection for Federated Learning Over Distributed Edge Networks. | IIT | TPDS | 2023 | [パブ] |
| GossipFL: A Decentralized Federated Learning Framework With Sparsified and Adaptive Communication. | HKBU | TPDS | 2023 | [パブ] |
| FedMDS: An Efficient Model Discrepancy-Aware Semi-Asynchronous Clustered Federated Learning Framework. | CQU | TPDS | 2023 | [パブ] |
| HierFedML: Aggregator Placement and UE Assignment for Hierarchical Federated Learning in Mobile Edge Computing. | DUT | TPDS | 2023 | [パブ] |
| Data selection for efficient model update in federated learning | EuroSys workshop | 2022年 | [パブ] | |
| Empirical analysis of federated learning in heterogeneous environments | EuroSys workshop | 2022年 | [パブ] | |
| BAFL: A Blockchain-Based Asynchronous Federated Learning Framework | TC | 2022年 | [PUB] [CODE] | |
| L4L: Experience-Driven Computational Resource Control in Federated Learning | TC | 2022年 | [パブ] | |
| Adaptive Federated Learning on Non-IID Data With Resource Constraint | TC | 2022年 | [パブ] | |
| Locking Protocols for Parallel Real-Time Tasks With Semaphores Under Federated Scheduling. | TCAD | 2022年 | [パブ] | |
| Client Scheduling and Resource Management for Efficient Training in Heterogeneous IoT-Edge Federated Learning | ECNU | TCAD | 2022年 | [パブ] |
| PervasiveFL: Pervasive Federated Learning for Heterogeneous IoT Systems. | ECNU | TCAD | 2022年 | [パブ] |
| FHDnn: communication efficient and robust federated learning for AIoT networks | カリフォルニア大学サンディエゴ校 | DAC | 2022年 | [パブ] |
| A Decentralized Federated Learning Framework via Committee Mechanism With Convergence Guarantee | SYSU | TPDS | 2022年 | [PUB] [PDF] |
| Improving Federated Learning With Quality-Aware User Incentive and Auto-Weighted Model Aggregation | 木 | TPDS | 2022年 | [パブ] |
| $f$funcX: Federated Function as a Service for Science. | SUST | TPDS | 2022年 | [PUB] [PDF] |
| Blockchain Assisted Decentralized Federated Learning (BLADE-FL): Performance Analysis and Resource Allocation | NUST | TPDS | 2022年 | [PUB] [PDF] [CODE] |
| Adaptive Federated Deep Reinforcement Learning for Proactive Content Caching in Edge Computing. | CQU | TPDS | 2022年 | [パブ] |
| TDFL: Truth Discovery Based Byzantine Robust Federated Learning | 少し | TPDS | 2022年 | [パブ] |
| Federated Learning With Nesterov Accelerated Gradient | The University of Sydney | TPDS | 2022年 | [PUB] [PDF] |
| FedGraph: Federated Graph Learning with Intelligent Sampling | UoA | TPDS | 2022年 | [PUB] [CODE] [解读] |
| AUCTION: Automated and Quality-Aware Client Selection Framework for Efficient Federated Learning. | 木 | TPDS | 2022年 | [パブ] |
| DONE: Distributed Approximate Newton-type Method for Federated Edge Learning. | University of Sydney | TPDS | 2022年 | [PUB] [PDF] [CODE] |
| Flexible Clustered Federated Learning for Client-Level Data Distribution Shift. | CQU | TPDS | 2022年 | [PUB] [PDF] [CODE] |
| Min-Max Cost Optimization for Efficient Hierarchical Federated Learning in Wireless Edge Networks. | Xidian University | TPDS | 2022年 | [パブ] |
| LightFed: An Efficient and Secure Federated Edge Learning System on Model Splitting. | CSU | TPDS | 2022年 | [パブ] |
| On the Benefits of Multiple Gossip Steps in Communication-Constrained Decentralized Federated Learning. | Purdue | TPDS | 2022年 | [PUB] [PDF] [CODE] |
| Incentive-Aware Autonomous Client Participation in Federated Learning. | Sun Yat-sen University | TPDS | 2022年 | [パブ] |
| Communicational and Computational Efficient Federated Domain Adaptation. | HKUST | TPDS | 2022年 | [パブ] |
| Decentralized Edge Intelligence: A Dynamic Resource Allocation Framework for Hierarchical Federated Learning. | NTU | TPDS | 2022年 | [パブ] |
| Differentially Private Byzantine-Robust Federated Learning. | Qufu Normal University | TPDS | 2022年 | [パブ] |
| Multi-Task Federated Learning for Personalised Deep Neural Networks in Edge Computing. | University of Exeter | TPDS | 2022年 | [PUB] [PDF] [CODE] |
| Reputation-Aware Hedonic Coalition Formation for Efficient Serverless Hierarchical Federated Learning. | BUAA | TPDS | 2022年 | [パブ] |
| Differentially Private Federated Temporal Difference Learning. | Stony Brook University | TPDS | 2022年 | [パブ] |
| Towards Efficient and Stable K-Asynchronous Federated Learning With Unbounded Stale Gradients on Non-IID Data. | XJTU | TPDS | 2022年 | [PUB] [PDF] |
| Communication-Efficient Federated Learning With Compensated Overlap-FedAvg. | SCU | TPDS | 2022年 | [PUB] [PDF] [CODE] |
| PAPAYA: Practical, Private, and Scalable Federated Learning. | Meta AI | MLSys | 2022年 | [PUB] [PDF] |
| LightSecAgg: a Lightweight and Versatile Design for Secure Aggregation in Federated Learning | USC | MLSys | 2022年 | [PUB] [PDF] [CODE] |
| Accelerated Training via Device Similarity in Federated Learning | EuroSys workshop | 2021 | [パブ] | |
| Towards Federated Learning with Attention Transfer to Mitigate System and Data Heterogeneity of Clients | EuroSys workshop | 2021 | [パブ] | |
| Towards Mitigating Device Heterogeneity in Federated Learning via Adaptive Model Quantization | EuroSys workshop | 2021 | [パブ] | |
| SAFA: A Semi-Asynchronous Protocol for Fast Federated Learning With Low Overhead | University of Warwick | TC | 2021 | [PDF] [PUB] [CODE] |
| Efficient Federated Learning for Cloud-Based AIoT Applications | ECNU | TCAD | 2021 | [パブ] |
| HADFL: Heterogeneity-aware Decentralized Federated Learning Framework | USTC | DAC | 2021 | [PDF] [PUB] |
| Helios: Heterogeneity-Aware Federated Learning with Dynamically Balanced Collaboration. | GMU | DAC | 2021 | [PDF] [PUB] |
| FedLight: Federated Reinforcement Learning for Autonomous Multi-Intersection Traffic Signal Control. | ECNU | DAC | 2021 | [パブ] |
| Oort: Efficient Federated Learning via Guided Participant Selection | ミシガン大学 | OSDI | 2021 | [PUB] [PDF] [CODE] [SLIDES] [VIDEO] |
| Towards Efficient Scheduling of Federated Mobile Devices Under Computational and Statistical Heterogeneity. | Old Dominion University | TPDS | 2021 | [PUB] [PDF] |
| Self-Balancing Federated Learning With Global Imbalanced Data in Mobile Systems. | CQU | TPDS | 2021 | [PUB] [CODE] |
| An Efficiency-Boosting Client Selection Scheme for Federated Learning With Fairness Guarantee | SCUT | TPDS | 2021 | [PUB] [PDF] [解读] |
| Proof of Federated Learning: A Novel Energy-Recycling Consensus Algorithm. | Beijing Normal University | TPDS | 2021 | [PUB] [PDF] |
| Biscotti: A Blockchain System for Private and Secure Federated Learning. | UBC | TPDS | 2021 | [パブ] |
| Mutual Information Driven Federated Learning. | Deakin University | TPDS | 2021 | [パブ] |
| Accelerating Federated Learning Over Reliability-Agnostic Clients in Mobile Edge Computing Systems. | University of Warwick | TPDS | 2021 | [PUB] [PDF] |
| FedSCR: Structure-Based Communication Reduction for Federated Learning. | HKU | TPDS | 2021 | [パブ] |
| FedScale: Benchmarking Model and System Performance of Federated Learning | ミシガン大学 | SOSP workshop / ICML 2022 | 2021 | [PUB] [PDF] [CODE] [解读] |
| Redundancy in cost functions for Byzantine fault-tolerant federated learning | SOSP workshop | 2021 | [パブ] | |
| Towards an Efficient System for Differentially-private, Cross-device Federated Learning | SOSP workshop | 2021 | [パブ] | |
| GradSec: a TEE-based Scheme Against Federated Learning Inference Attacks | SOSP workshop | 2021 | [パブ] | |
| Community-Structured Decentralized Learning for Resilient EI. | SOSP workshop | 2021 | [パブ] | |
| Separation of Powers in Federated Learning (Poster Paper) | IBM Research | SOSP workshop | 2021 | [PUB] [PDF] |
| Towards federated unsupervised representation learning | EuroSys workshop | 2020年 | [パブ] | |
| CoLearn: enabling federated learning in MUD-compliant IoT edge networks | EuroSys workshop | 2020年 | [パブ] | |
| LDP-Fed: federated learning with local differential privacy. | EuroSys workshop | 2020年 | [パブ] | |
| Accelerating Federated Learning via Momentum Gradient Descent. | USTC | TPDS | 2020年 | [PUB] [PDF] |
| Towards Fair and Privacy-Preserving Federated Deep Models. | NUS | TPDS | 2020年 | [PUB] [PDF] [CODE] |
| Federated Optimization in Heterogeneous Networks | CMU | MLSys | 2020年 | [PUB] [PDF] [CODE] |
| Towards Federated Learning at Scale: System Design | グーグル | MLSys | 2019年 | [PUB] [PDF] [解读] |
Federated Learning papers accepted by top conference and journal in the other fields, including ICSE(International Conference on Software Engineering), FOCS(IEEE Annual Symposium on Foundations of Computer Science), STOC(Symposium on the Theory of Computing).
| タイトル | 所属 | 会場 | 年 | 材料 |
|---|---|---|---|---|
| F-CodeLLM: A Federated Learning Framework for Adapting Large Language Models to Practical Software Development | SYSU | ICSE Companion | 2024年 | パブ |
| Raft Protocol for Fault Tolerance and Self-Recovery in Federated Learning | SINTEF Digital | SEAMS@ICSE | 2024年 | パブ |
| FedDebug: Systematic Debugging for Federated Learning Applications. | Virginia Tech | ICSE | 2023 | pub pdf code |
| FedSlice: Protecting Federated Learning Models from Malicious Participants with Model Slicing. | PKU | ICSE | 2023 | pub code |
| Towards a Self-Adaptive Architecture for Federated Learning of Industrial Automation Systems | SEAMS@ICSE workshop | 2021 | パブ | |
| Federated Machine Learning as a Self-Adaptive Problem | SEAMS@ICSE workshop | 2021 | パブ |
This section partially refers to DBLP search engine and repositories Awesome-Federated-Learning-on-Graph-and-GNN-papers and Awesome-Federated-Machine-Learning.
| タイトル | 所属 | 会場 | 年 | 材料 |
|---|---|---|---|---|
| FedGCN: Convergence and Communication Tradeoffs in Federated Training of Graph Convolutional Networks | CMU | NeurIPS ? | 2023 | [PDF] [CODE] |
| Wyze Rule: Federated Rule Dataset for Rule Recommendation Benchmarking | CMU | NeurIPS Dataset Track ? | 2023 | [PDF] [DATASET] [CODE] |
| Federated Visualization: A Privacy-Preserving Strategy for Aggregated Visual Query. | ZJU | IEEE Trans. Vis. Comput.グラフ。 ? | 2023 | [PUB] [PDF] |
| Personalized Subgraph Federated Learning | KAIST | ICML ? | 2023 | [PDF] |
| Semi-decentralized Federated Ego Graph Learning for Recommendation | SUST | WWW:mortar_board: | 2023年 | [PUB] [PDF] |
| Federated Graph Neural Network for Fast Anomaly Detection in Controller Area Networks | ECUST | IEEE Trans. Inf. Forensics Secur. ? | 2023 | [パブ] |
| Federated Learning Over Coupled Graphs | XJTU | IEEE Trans. Parallel Distributed Syst. ? | 2023 | [PUB] [PDF] |
| HetVis: A Visual Analysis Approach for Identifying Data Heterogeneity in Horizontal Federated Learning | Nankai University | IEEE Trans. Vis. Comput.グラフ。 ? | 2023 | [PUB] [PDF] |
| Federated Learning on Non-IID Graphs via Structural Knowledge Sharing | UTS | AAAI ? | 2023 | [PDF] [CODE] |
| FedGS: Federated Graph-based Sampling with Arbitrary Client Availability | XMU | AAAI ? | 2023 | [PDF] [CODE] |
| An Information Theoretic Perspective for Heterogeneous Subgraph Federated Learning. | PKU | DASFAA | 2023 | [パブ] |
| GraphCS: Graph-based client selection for heterogeneity in federated learning | NUDT | J. Parallel Distributed Comput. | 2023 | [パブ] |
| Towards On-Device Federated Learning: A Direct Acyclic Graph-based Blockchain Approach | BUPT | IEEE Trans. Neural Networks Learn. Syst. | 2023 | [PUB] [PDF] |
| Short-Term Traffic Flow Prediction Based on Graph Convolutional Networks and Federated Learning | ZUEL | IEEE Trans. Intell.トランスペアレントSyst. | 2023 | [パブ] |
| Hyper-Graph Attention Based Federated Learning Methods for Use in Mental Health Detection. | HVL | IEEE J. Biomed. Health Informatics | 2023 | [パブ] |
| Federated Learning-Based Cross-Enterprise Recommendation With Graph Neural | IEEE Trans. Ind. Informatics | 2023 | [パブ] | |
| Graph-Fraudster: Adversarial Attacks on Graph Neural Network Based Vertical Federated Learning | ZJUT | IEEE Trans. Comput.社会Syst. | 2023 | [PUB] [PDF] [CODE] |
| ESA-FedGNN: Efficient secure aggregation for federated graph neural networks. | Peer Peer Netw. Appl. | 2023 | [パブ] | |
| FedCKE: Cross-Domain Knowledge Graph Embedding in Federated Learning | SWJTU | IEEE Trans.ビッグデータ | 2023年 | [パブ] |
| Asynchronous federated learning with directed acyclic graph-based blockchain in edge computing: Overview, design, and challenges. | Expert Syst. Appl. | 2023 | [パブ] | |
| FedGR: Federated Graph Neural Network for Recommendation System | CUPT | Axioms | 2023 | [パブ] |
| S-Glint: Secure Federated Graph Learning With Traffic Throttling and Flow Scheduling. | IEEE Trans. Green Commun. Netw. | 2023 | [パブ] | |
| FedAGCN: A traffic flow prediction framework based on federated learning and Asynchronous Graph Convolutional Network | Appl. Soft Comput. | 2023 | [パブ] | |
| GDFed: Dynamic Federated Learning for Heterogenous Device Using Graph Neural Network | KHU | ICOIN | 2023 | [PUB] [CODE] |
| Coordinated Scheduling and Decentralized Federated Learning Using Conflict Clustering Graphs in Fog-Assisted IoD Networks | UBC | IEEE Trans.ヴェー。テクノロジー。 | 2023 | [パブ] |
| FedRule: Federated Rule Recommendation System with Graph Neural Networks | CMU | IoTDI | 2023 | [PUB] [PDF] [CODE] |
| FedWalk: Communication Efficient Federated Unsupervised Node Embedding with Differential Privacy | SJTU | KDD ? | 2022年 | [PUB] [PDF] |
| FederatedScope-GNN: Towards a Unified, Comprehensive and Efficient Platform for Federated Graph Learning | アリババ | KDD (Best Paper Award) ? | 2022年 | [PDF] [CODE] [PUB] |
| Deep Neural Network Fusion via Graph Matching with Applications to Model Ensemble and Federated Learning | SJTU | ICML ? | 2022年 | [PUB] [CODE] |
Meta-Learning Based Knowledge Extrapolation for Knowledge Graphs in the Federated Setting kg. | ZJU | IJCAI ? | 2022年 | [PUB] [PDF] [CODE] |
| Personalized Federated Learning With a Graph | UTS | IJCAI ? | 2022年 | [PUB] [PDF] [CODE] |
| Vertically Federated Graph Neural Network for Privacy-Preserving Node Classification | ZJU | IJCAI ? | 2022年 | [PUB] [PDF] |
| SpreadGNN: Decentralized Multi-Task Federated Learning for Graph Neural Networks on Molecular Data | USC | AAAI:mortar_board: | 2022年 | [PUB] [PDF] [CODE] [解读] |
| FedGraph: Federated Graph Learning with Intelligent Sampling | UoA | TPDS ? | 2022年 | [PUB] [CODE] [解读] |
Federated Graph Machine Learning: A Survey of Concepts, Techniques, and Applications surv. | University of Virginia | SIGKDD Explor. | 2022年 | [PUB] [PDF] |
| Semantic Vectorization: Text- and Graph-Based Models. | IBM Research | Federated Learning | 2022年 | [パブ] |
| GraphFL: A Federated Learning Framework for Semi-Supervised Node Classification on Graphs | IIT | ICDM | 2022年 | [PUB] [PDF] [解读] |
| More is Better (Mostly): On the Backdoor Attacks in Federated Graph Neural Networks | TU Delft | ACSAC | 2022年 | [PUB] [PDF] |
| FedNI: Federated Graph Learning with Network Inpainting for Population-Based Disease Prediction | UESTC | TMI | 2022年 | [PUB] [PDF] |
| SemiGraphFL: Semi-supervised Graph Federated Learning for Graph Classification. | PKU | PPSN | 2022年 | [パブ] |
| Federated Spatio-Temporal Traffic Flow Prediction Based on Graph Convolutional Network | TJU | WCSP | 2022年 | [パブ] |
| A federated graph neural network framework for privacy-preserving personalization | 木 | Nature Communications | 2022年 | [PUB] [CODE] [解读] |
| Malicious Transaction Identification in Digital Currency via Federated Graph Deep Learning | 少し | INFOCOM Workshops | 2022年 | [パブ] |
Efficient Federated Learning on Knowledge Graphs via Privacy-preserving Relation Embedding Aggregation kg. | Lehigh University | EMNLP | 2022年 | [PUB] [PDF] [CODE] |
| Power Allocation for Wireless Federated Learning using Graph Neural Networks | Rice University | ICASSP | 2022年 | [PUB] [PDF] [CODE] |
| Privacy-Preserving Federated Multi-Task Linear Regression: A One-Shot Linear Mixing Approach Inspired By Graph Regularization | UC | ICASSP | 2022年 | [PUB] [PDF] [CODE] |
| Graph-regularized federated learning with shareable side information | NWPU | Knowl. Based Syst. | 2022年 | [パブ] |
Federated knowledge graph completion via embedding-contrastive learning kg. | ZJU | Knowl. Based Syst. | 2022年 | [パブ] |
| Federated Graph Learning with Periodic Neighbour Sampling | HKU | IWQoS | 2022年 | [パブ] |
| FedGSL: Federated Graph Structure Learning for Local Subgraph Augmentation. | ビッグデータ | 2022年 | [パブ] | |
| Domain-Aware Federated Social Bot Detection with Multi-Relational Graph Neural Networks. | UCAS; CAS | IJCNN | 2022年 | [パブ] |
| A Federated Multi-Server Knowledge Graph Embedding Framework For Link Prediction. | ICTAI | 2022年 | [パブ] | |
| A Privacy-Preserving Subgraph-Level Federated Graph Neural Network via Differential Privacy | Ping An Technology | KSEM | 2022年 | [PUB] [PDF] |
| Clustered Graph Federated Personalized Learning. | NTNU | IEEECONF | 2022年 | [パブ] |
| Investigating the Predictive Reproducibility of Federated Graph Neural Networks using Medical Datasets. | MICCAI Workshop | 2022年 | [PDF] [CODE] | |
| Peer-to-Peer Variational Federated Learning Over Arbitrary Graphs | UCSD | 内部。 J. Bio Inspired |
