Awesome FL
v2024-beta
목차
우리는 다른 프로젝트를 사용하여 FL 문서의 업데이트를 자동으로 추적합니다. 필요한 경우 FL-paper-update-tracker를 클릭하세요.
더 많은 항목이 저장소에 추가됩니다 . 문제 보고서를 열거나 끌어오기 요청을 제출하거나 @([email protected])로 이메일을 보내 다른 주요 리소스를 자유롭게 제안해 주세요. 연합 학습 분야에서 더 많은 친구들과 소통하고 싶다면 QQ 그룹 [联邦school习交流群]에 가입하세요. 그룹 번호는 833638275입니다. 재미있게 읽으세요!
저장소 업데이트 알림
2024/09/30
친애하는 사용자 여러분, 이 오픈 소스 저장소에 영향을 미칠 몇 가지 변경 사항을 알려드리고자 합니다. 소유자이자 주요 기여자 @youngfish42가 박사 과정을 성공적으로 마쳤습니다. 2024년 9월 30일을 기준으로 연구 초점을 옮겼습니다. 이러한 상황 변화는 저장소의 논문 목록 업데이트 빈도와 범위에 영향을 미칩니다.
기존의 정기 업데이트 대신 이제 논문 목록이 월별 또는 분기별로 업데이트될 것으로 예상됩니다. 또한 이러한 업데이트의 깊이도 줄어들 예정입니다. 예를 들어 작성자의 기관 및 오픈 소스 코드와 관련된 업데이트는 더 이상 적극적으로 유지 관리되지 않습니다.
우리는 이것이 이 저장소에서 파생되는 가치에 영향을 미칠 수 있다는 것을 이해합니다. 따라서 우리는 콘텐츠 업데이트에 더 많은 기여자들이 참여하도록 겸손하게 초대합니다. 이러한 공동 노력을 통해 저장소는 모든 사람에게 귀중한 리소스로 남을 것입니다.
귀하의 이해에 감사드리며, 귀하의 지속적인 지원과 기여를 기대합니다.
감사합니다,
백소鱼(어린어)
카테고리
인공지능(IJCAI, AAAI, AISTATS, ALT, AI)
기계 학습(NeurIPS, ICML, ICLR, COLT, UAI, 기계 학습, JMLR, TPAMI)
데이터 마이닝(KDD, WSDM)
보안(S&P, CCS, USENIX 보안, NDSS)
컴퓨터 비전(ICCV, CVPR, ECCV, MM, IJCV)
자연어 처리(ACL, EMNLP, NAACL, COLING)
정보 검색(SIGIR)
데이터베이스(SIGMOD, ICDE, VLDB)
네트워크(SIGCOMM, INFOCOM, MOBICOM, NSDI, WWW)
시스템(OSDI, SOSP, ISCA, MLSys, EuroSys, TPDS, DAC, TOCS, TOS, TCAD, TC)
기타(ICSE, FOCS, STOC)
| 장소 | 2024-2020 | 2020년 이전 |
|---|---|---|
| IJCAI | 24, 23, 22, 21, 20 | 19 |
| AAAI | 24, 23, 22, 21, 20 | - |
| AISTATS | 24, 23, 22, 21, 20 | - |
| 대체 | 22 | - |
| AI (J) | 23 | - |
| NeurIPS | 24, 23, 22, 21, 20 | 18, 17 |
| ICML | 24, 23, 22, 21, 20 | 19 |
| ICLR | 24, 23, 22, 21, 20 | - |
| 망아지 | 23 | - |
| UAI | 23, 22, 21 | - |
| 머신러닝(J) | 24, 23, 22 | - |
| JMLR (J) | 24, 23, 22 | - |
| 티파미(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 보안 | 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 | - |
| 콜링 | 20 | - |
| 시기르 | 24, 23, 22, 21, 20 | - |
| 시그모드 | 22, 21 | - |
| ICDE | 24, 23, 22, 21 | - |
| VLDB | 23, 22, 21, 21, 20 | - |
| SIGCOMM | - | - |
| 인포콤 | 24, 23, 22, 21, 20 | 19, 18 |
| 모비컴 | 24, 23, 22, 21, 20 | |
| NSDI | 23(1, 2) | - |
| WWW | 24, 23, 22, 21 | |
| OSDI | 21 | - |
| SOSP | 21 | - |
| 이스카 | 24 | - |
| ML시스 | 24, 23, 22, 20 | 19 |
| 유로시스 | 24, 23, 22, 21, 20 | |
| TPDS (J) | 24, 23, 22, 21, 20 | - |
| DAC | 24, 22, 21 | - |
| TOCS | - | - |
| TOS | - | - |
| TCAD | 24, 23, 22, 21 | - |
| TC | 24, 23, 22, 21 | - |
| ICSE | 23, 21 | - |
| 초점 | - | - |
| STOC | - | - |
키워드
통계: 코드를 사용할 수 있으며 별점 >= 100 | 인용 >= 50 | ? 최고 수준의 장소
kg. : 지식 그래프 | data. : 데이터세트 | surv. : 조사
Nature(및 하위 저널), Cell, Science(및 Science Advances) 및 PANS의 연합 학습 논문은 WOS 검색 엔진을 참조합니다.
| 제목 | 입회 | 장소 | 년도 | 재료 |
|---|---|---|---|---|
| MatSwarm: 안전한 빅 데이터 공유를 위한 신뢰할 수 있는 군집 전송 학습 기반 재료 계산 | USTB; NTU | Nat. 커뮤니케이터 | 2024년 | [펍] [코드] |
| 연합 분할 학습을 통해 스마트 미터에 엣지 인텔리전스 도입 | HKU | Nat. 커뮤니케이터 | 2024년 | [PUB] [새로운] |
| 소아 뇌종양을 위한 연합 학습 AI 플랫폼을 제시하는 국제 연구 | 스탠포드 대학 | Nat. 커뮤니케이터 | 2024년 | [펍] [코드] |
| PPML-Omics: 개인 정보 보호 연합 기계 학습 방법으로 오믹 데이터에서 환자의 개인 정보를 보호합니다. | 카우스트 | 과학 발전 | 2024년 | [펍] [코드] |
| 연합 학습은 데이터 윤리의 만병통치약이 아닙니다. | TUM; UVA | Nat. 마하. 인텔.(댓글) | 2024년 | [선술집] |
| 수술 후 위암 재발이 있는 고위험 환자를 식별하기 위한 강력한 연합 학습 모델 | 장먼 중앙병원; 계림 항공우주기술대학교; 계림전자기술대학교; | Nat. 커뮤니케이터 | 2024년 | [펍] [코드] |
| 좋은 선생님 없이 개인 정보 보호 연합 증류를 위한 선택적 지식 공유 | HKUST | Nat. 커뮤니케이터 | 2024년 | [펍] [PDF] [코드] |
| 유럽의 정밀 종양학을 위한 연합 학습 시스템: DigiONE | IQVIA 암 연구 BV | Nat. 메드. (논평) | 2024년 | [선술집] |
| Qline 아키텍처를 사용한 다중 클라이언트 분산 블라인드 양자 계산 | 사피엔자 유니베르시타 디 로마 | Nat. 커뮤니케이터 | 2023년 | [펍] [PDF] |
| 장치 독립적인 양자 무작위성 – 강화된 영지식 증명 | USTC | PNAS | 2023년 | [PUB] [PDF] [새로운 내용] |
| 연합 기계 학습을 통해 수익성 있는 직접 재활용을 위한 협업 및 개인 정보 보호 폐기 배터리 분류 | 칭화대학교 | Nat. 커뮤니케이터 | 2023년 | [선술집] |
| 신경 데이터 개인 정보 보호 및 신경 기술 규제 옹호 | 컬럼비아대학교 | Nat. 프로토콜. (관점) | 2023년 | [선술집] |
| MedPerf를 사용한 의료 인공 지능의 연합 벤치마킹 | IHU 스트라스부르; 스트라스부르 대학교; Dana-Farber 암 연구소; 웨일 코넬 의학; 하버드 TH Chan 공중 보건 학교; MIT; 인텔 | Nat. 마하. 인텔. | 2023년 | [펍] [PDF] [코드] |
| 의학 및 의료 분야 인공 지능의 알고리즘 공정성 | 하버드 의과대학; Broad Institute of Harvard 및 매사추세츠 공과대학; 다나-파버 암 연구소 | Nat. 바이오메드. 영어 (관점) | 2023년 | [펍] [PDF] |
| 연합 학습을 위한 차등적 비공개 지식 이전 | 목 | Nat. 커뮤니케이터 | 2023년 | [펍] [코드] |
| 프록시 모델 공유를 통한 분산형 연합 학습 | 레이어 6 AI; 워털루대학교; 벡터 연구소 | Nat. 커뮤니케이터 | 2023년 | [펍] [PDF] [코드] |
| 데이터 보호 규정 준수 연구의 연합 기계 학습 | 함부르크대학교 | Nat. 마하. 인텔.(댓글) | 2023년 | [선술집] |
| 삼중 음성 유방암의 신보조 화학요법에 대한 조직학적 반응을 예측하기 위한 연합 학습 | 오킨 | Nat. 메드. | 2023년 | [펍] [코드] |
| 연합 학습을 통해 희귀암 경계 감지를 위한 빅데이터 지원 | 펜실베이니아 대학교 | Nat. 커뮤니케이터 | 2022년 | [펍] [PDF] [코드] |
| 연합 학습 및 원주민 게놈 데이터 주권 | 포옹하는 얼굴 | Nat. 마하. 인텔. (논평) | 2022년 | [선술집] |
| 감독되지 않은 뇌 이상 탐지를 위한 연합 분리 표현 학습 | 텀 | Nat. 마하. 인텔. | 2022년 | [펍] [PDF] [코드] |
| 의료용 기계 학습을 개발에서 배포로, 모델에서 데이터로 전환 | 스탠포드 대학교; 그린스톤 생명과학 | Nat. 바이오메드. 영어 (리뷰 기사) | 2022년 | [선술집] |
| 개인정보 보호 개인화를 위한 연합 그래프 신경망 프레임워크 | 목 | Nat. 커뮤니케이터 | 2022년 | [PUB] [코드] [설명] |
| 지식 증류를 통한 의사소통 효율적인 연합 학습 | 목 | Nat. 커뮤니케이터 | 2022년 | [펍] [PDF] [코드] |
| 무선 에지 인공 지능을 위한 리드 연합 뉴로모픽 학습 | XMU; NTU | Nat. 커뮤니케이터 | 2022년 | [PUB] [코드] [설명] |
| 전 세계에 분산되어 있고 품질이 낮으며 보호되는 개인 의료 데이터를 훈련하기 위한 새로운 분산형 연합 학습 접근 방식 | 울런공 대학교 | 과학. 대표. | 2022년 | [선술집] |
| 인공지능의 개인정보 보호 협업을 통해 코로나19 진단 향상 | 허스트 | Nat. 마하. 인텔. | 2021 | [펍] [PDF] [코드] |
| 코로나19 환자의 임상 결과 예측을 위한 연합 학습 | MGH 방사선과 및 하버드 의과 대학 | Nat. 메드. | 2021 | [펍] [코드] |
| 개인 정보를 보호하는 협업 머신 러닝의 적대적 간섭 및 완화 | 임페리얼 칼리지 런던; TUM; 오픈마이닝됨 | Nat. 마하. Intel.(관점) | 2021 | [선술집] |
| 분산형 및 기밀 임상 기계 학습을 위한 Swarm Learning | DZNE; 본 대학교; | 자연 ? | 2021 | [PUB] [코드] [소프트웨어] [설명] |
| 다중 기관 의료 영상에 대한 딥 러닝을 보호하는 엔드투엔드 개인 정보 보호 | TUM; 임페리얼 칼리지 런던; 오픈마이닝됨 | Nat. 마하. 인텔. | 2021 | [PUB] [코드] [설명] |
| 의사소통 효율적인 연합 학습 | CUHK; 프린스턴 대학교 | 팬. | 2021 | [펍] [코드] |
| 합성 방사선 사진을 활용해 의료 데이터 공유 경계 허물기 | RWTH 아헨 대학교 | 과학. 발전. | 2020 | [펍] [코드] |
| 의료 영상 분야의 안전하고 개인 정보를 보호하는 연합 기계 학습 | TUM; 임페리얼 칼리지 런던; 오픈마이닝됨 | Nat. 마하. Intel.(관점) | 2020 | [선술집] |
IJCAI(International Joint Conference on Artificial Intelligence), AAAI(AAAI Conference on Artificial Intelligence), AISTATS(Artificial Intelligence and Statistics), ALT(International Conference on Algorithmic Learning) 등 최고의 AI(인공지능) 컨퍼런스 및 저널에서 채택한 연합 학습 논문 이론), AI(인공지능).
| 제목 | 입회 | 장소 | 년도 | 재료 |
|---|---|---|---|---|
| Tensor Factorization을 통한 통합 다중 뷰 클러스터링 | IJCAI | 2024년 | [선술집] | |
| 통합된 행렬 분해 및 K-평균을 사용한 효율적인 통합 다중 뷰 클러스터링 | IJCAI | 2024년 | [선술집] | |
| LG-FGAD: 효과적인 연합 그래프 이상 탐지 프레임워크 | IJCAI | 2024년 | [선술집] | |
| 기기의 Weather Foundation 모델에 대한 연합 프롬프트 학습 | IJCAI | 2024년 | [선술집] | |
| 시스템 이질성의 장벽 깨기: 지식 증류를 통한 낙오자를 허용하는 다중 모드 연합 학습 | IJCAI | 2024년 | [선술집] | |
| 학습 중 언러닝: 효율적인 연합 머신 언러닝 방법 | IJCAI | 2024년 | [선술집] | |
| 연합 학습 시스템을 위한 실용적인 하이브리드 경사 압축 | IJCAI | 2024년 | [선술집] | |
| 적응형 가변 공간 선택을 통한 샘플 품질 이질성 인식 연합 인과 발견 | IJCAI | 2024년 | [펍] [코드] | |
| 특성 규범 정규화된 연합 학습: 모델 성능 향상을 위해 데이터 차이 활용 | IJCAI | 2024년 | [펍] [코드] | |
| 향상된 후방 네트워크를 통한 맞춤형 연합 학습을 위한 Dirichlet 기반 불확실성 정량화 | IJCAI | 2024년 | [선술집] | |
| FedConPE: 이기종 클라이언트를 사용한 효율적인 연합 대화 도적 | IJCAI | 2024년 | [선술집] | |
| DarkFed: 연합 학습의 데이터 없는 백도어 공격 | IJCAI | 2024년 | [선술집] | |
| 격리 및 코딩된 샤딩을 통한 확장 가능한 연합 언러닝 | IJCAI | 2024년 | [선술집] | |
| 연합 개인정보 보호 학습을 통해 이중 대상 교차 도메인 추천 강화 | IJCAI | 2024년 | [선술집] | |
| 수직 연합 학습의 라벨 누출: 설문조사 | IJCAI | 2024년 | [선술집] | |
| 연합 지능의 부상: 연합 기반 모델에서 집단 지능으로 | IJCAI | 2024년 | [선술집] | |
| LEAP: 연합 형성 게임을 통해 비 IID 데이터에 대한 계층적 연합 학습 최적화 | IJCAI | 2024년 | [선술집] | |
| EAB-FL: 연합 학습에서 모델 중독 공격을 통해 알고리즘 편향 악화 | IJCAI | 2024년 | [선술집] | |
| 연합 학습의 지식 증류: 실용 가이드 | IJCAI | 2024년 | [선술집] | |
| FedGCS: 경사 기반 최적화를 통한 연합 학습에서 효율적인 클라이언트 선택을 위한 생성 프레임워크 | IJCAI | 2024년 | [선술집] | |
| FedPFT: 기초 모델의 연합 프록시 미세 조정 | IJCAI | 2024년 | [펍] [코드] | |
| 연합 준지도 학습에 대한 체계적인 조사 | IJCAI | 2024년 | [선술집] | |
| 경매 기반 연합 학습을 위한 지능형 에이전트: 설문 조사 | IJCAI | 2024년 | [선술집] | |
| 경매 기반 연합 학습에서 데이터 소비자를 위한 편견 없는 수익 극대화 입찰 전략 | IJCAI | 2024년 | [선술집] | |
| 이중 교정 기반 개인화 연합 학습 | IJCAI | 2024년 | [선술집] | |
| 경매 기반 연합학습을 위한 이해관계자 중심 의사결정 지원 | IJCAI | 2024년 | [선술집] | |
| 기여 재정의: Shapley 기반 연합 학습 | IJCAI | 2024년 | [펍] [코드] | |
| 기초 모델 훈련을 위한 효율적인 연합 학습 방법에 대한 설문조사 | IJCAI | 2024년 | [선술집] | |
| 최적화에서 일반화까지: 클라이언트 간 선명도 매칭을 통한 품질 변화에 대한 공정한 연합 학습 | IJCAI | 2024년 | [펍] [코드] | |
| FBLG: 연합 학습에서 이중으로 기울어진 비 IID 데이터를 처리하기 위한 로컬 그래프 기반 접근 방식 | IJCAI | 2024년 | [선술집] | |
| FedFa: 연합 학습을 위한 완전 비동기식 교육 패러다임 | IJCAI | 2024년 | [선술집] | |
| FedSSA: 효율적인 모델-이기종 개인화 연합 학습을 위한 의미론적 유사성 기반 집계 | IJCAI | 2024년 | [선술집] | |
| FedES: 이기종 라벨 노이즈 기억을 방해하기 위한 연합 조기 중지 | IJCAI | 2024년 | [선술집] | |
| 도시 간 교통 예측을 위한 맞춤형 연합 학습 | IJCAI | 2024년 | [선술집] | |
| 기초 모델 기반 추천을 위한 연합 적응 | IJCAI | 2024년 | [선술집] | |
| BADFSS: 연합 자기 지도 학습에 대한 백도어 공격 | IJCAI | 2024년 | [선술집] | |
| 편향성 제거 전 추정: 연합 준지도 학습에서 사전 편향을 분리하기 위한 베이지안 접근 방식 | IJCAI | 2024년 | [펍] [코드] | |
| FedTAD: 하위 그래프 연합 학습을 위한 토폴로지 인식 데이터 없는 지식 증류 | IJCAI | 2024년 | [선술집] | |
| BOBA: 레이블 왜곡을 사용한 비잔틴 강력한 연합 학습 | UIUC | AISTATS | 2024년 | [펍] [PDF] [코드] |
| 이기종 클라이언트와 연합된 선형 상황별 도적 | 버지니아 대학교 | AISTATS | 2024년 | [펍] [PDF] [코드] |
| 분산 차등 개인 정보 보호 하의 연합 실험 설계 | 스탠포드 대학교; 메타 | AISTATS | 2024년 | [펍] [PDF] [코드] |
| 통신 압축을 사용하는 분산 SGD를 통해 이기종 연합 학습에서 안장 지점 탈출 | 프린스턴 대학교 | AISTATS | 2024년 | [펍] [PDF] |
| 그래프의 비동기 SGD: 비동기 분산 및 연합 최적화를 위한 통합 프레임워크 | 인리아 | AISTATS | 2024년 | [펍] [PDF] |
| SIFU: 연합 최적화에서 효율적이고 입증 가능한 클라이언트 언러닝을 위한 순차적 정보 기반 연합 언러닝 | 인리아 | AISTATS | 2024년 | [펍] [PDF] [코드] |
| 연합학습을 위한 정확한 오류 분포를 통한 압축 | 에콜 폴리테크니크 | AISTATS | 2024년 | [펍] [PDF] [코드] |
| 복잡성이 낮은 적응형 통합 Minimax 최적화 | NJU; MIIT 패턴 분석 및 기계 지능 핵심 연구소 | AISTATS | 2024년 | [펍] [PDF] |
| 부가 정보를 통한 연합 학습의 적응형 압축 | 스탠포드 대학교; 파도바대학교 | AISTATS | 2024년 | [펍] [PDF] [코드] |
| 임의의 대상 클래스 분포를 위한 주문형 연합 학습 | UNIST | AISTATS | 2024년 | [펍] [코드] |
| FedFisher: 원샷 연합 학습을 위해 Fisher 정보 활용 | CMU | AISTATS | 2024년 | [펍] [PDF] [코드] |
| 비동기식 연합 학습의 대기열 역학 | 화웨이 | AISTATS | 2024년 | [펍] [PDF] |
| 개인화된 연합 X-armed Bandit | 퍼듀대학교 | AISTATS | 2024년 | [펍] [PDF] [코드] |
| 증강된 시간 그래프 주의 네트워크를 활용하는 이종 전자 건강 기록을 위한 연합 학습 | 옥스퍼드대학교 | AISTATS | 2024년 | [펍] [코드] |
| 연합 미니맥스 최적화를 위한 확률론적 평활 경사하강법 상승 | 버지니아 대학교 | AISTATS | 2024년 | [펍] [PDF] |
| 안정성을 통한 연합 학습의 일반화 이해: 이질성 문제 | 노스웨스턴대학교 | AISTATS | 2024년 | [펍] [PDF] [코드] |
| 개인 정보 보호에 민감한 도메인에서 연합 학습을 통해 입증된 상호 이익 | 소피아대학교 | AISTATS | 2024년 | [펍] [PDF] [코드] |
| 연합 대형 언어 모델의 개인정보 유출 분석 | 플로리다대학교 | AISTATS | 2024년 | [PUB] [PDF] [코드] |
| 연합 백도어 공격을 방어하기 위한 불변 집계기 | UIUC | AISTATS | 2024년 | [펍] [PDF] [코드] |
| 데이터와 클라이언트 이질성을 갖춘 커뮤니케이션 효율적인 연합 학습 | ISTA | AISTATS | 2024년 | [PUB] [PDF] [코드] |
| FedMut: 확률론적 돌연변이를 통한 일반화된 연합 학습 | NTU | AAAI | 2024년 | [선술집] |
| 지역 적응형 증강 및 정규화를 사용한 연합 부분 레이블 학습 | 칼튼 대학교 | AAAI | 2024년 | [펍] [페이지] |
| 편견이 없습니다! 개인화된 추천을 위한 공정한 연합 그래프 신경망 | IIT | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| 형식 논리는 속성 추론을 통해 개인화된 연합 학습을 가능하게 합니다. | 밴더빌트대학교 | AAAI | 2024년 | [펍] [PDF] |
| 속성 추론 공격에 대한 연합 학습을 위한 작업 독립적 개인 정보 보호 표현 학습 | 일리노이 공과대학 | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| FairTrade: 연합 학습에서 균형 잡힌 정확성과 공정성 사이에서 파레토 최적의 절충점 달성 | 라이프니츠 대학교 | AAAI | 2024년 | [펍] [페이지] |
| 듀얼 레귤레이터를 사용한 연합 반지도 학습의 데이터 불균형 방지 | HKUST | AAAI | 2024년 | [펍] [페이지] [PDF] |
| Fed-QSSL: 비트폭 및 데이터 이질성 하에서 개인화된 연합 학습을 위한 프레임워크 | 유타 | AAAI | 2024년 | [펍] [페이지] [PDF] |
| 양식-과제에 구애받지 않는 연합 학습을 위한 비대칭 지식 전달의 풀기 | 버지니아 대학교 | AAAI | 2024년 | [선술집] |
| FedDAT: 다중 모드 이기종 연합 학습의 기초 모델 미세 조정을 위한 접근 방식 | LMU 뮌헨 지멘스 AG | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| 머리 조심하세요: 연합 모델의 신뢰성을 유지하기 위한 프로젝션 헤드 조립 | 시안교통대학교 산시성 인공지능 공동 핵심 연구소 | AAAI | 2024년 | [펍] [페이지] [PDF] |
| FedGCR: 그룹 사용자 정의 및 가중치 재조정을 통해 서로 다른 클라이언트 유형을 갖춘 연합 학습의 성능 및 공정성 달성 | NTU | AAAI | 2024년 | [펍] [페이지] [코드] |
| 맞춤형 뇌종양 분할을 위한 연합 양식별 인코더 및 다중 모드 앵커 | 샤먼대학교 | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| 모델 연결을 통한 연합 학습의 레이블 편향 활용 | NUS | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| 수직 연합 학습에서 강력하고 개인정보를 보호하는 모델 제공을 위한 보완적 지식 증류 | 반드시; HKUST | AAAI | 2024년 | [펍] [페이지] |
| 입출력 협업 증류를 통한 연합 학습 | 버팔로 대학교; 미국 하버드 의과대학 | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| 예측 공간에서 베이지안 추론을 사용한 보정된 1회 연합 학습 | 워털루 대학교 벡터 연구소 | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| FedCSL: 연합 인과 구조 학습에 대한 확장 가능하고 정확한 접근 방식 | HFUT | AAAI | 2024년 | [펍] [PDF] |
| FedFixer: 연합 학습에서 이기종 라벨 노이즈 완화 | 시안교통대학교; 레이던대학교 | AAAI | 2024년 | [펍] [페이지] [PDF] |
| FedLPS: 로컬 매개변수 공유를 통한 여러 작업을 위한 이기종 연합 학습 | 뉴주 | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| 입증 가능한 수렴형 연합 3단계 학습 | 추 | AAAI | 2024년 | [펍] [PDF] |
| 수행적 연합 학습: 모델 의존적 및 이기종 분포 변화에 대한 솔루션 | 음 | AAAI | 2024년 | [펍] [페이지] |
| 일반 상거래 인텔리전스: 다중 판매자의 개인정보 보호 및 지속 가능한 개인화 서비스를 위한 글로컬 연합 NLP 기반 엔진 | 경희대학교; 하렉스인포텍 | AAAI | 2024년 | [펍] [페이지] |
| EMGAN: 분할 연합 학습에서 서버 측 모델 추출에 대한 Early-Mix-GAN | 소니 AI | AAAI | 2024년 | [펍] [페이지] [코드] |
| FedDiv: 노이즈 레이블을 사용한 연합 학습을 위한 협업 노이즈 필터링 | SYSU; HKU | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| 헤마톡실린 및 에오신 염색 전체 슬라이드 이미지로부터 유방암 HER2 상태를 예측하기 위한 연합 학습 기능을 갖춘 포인트 변환기 | USTC; 카스 | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| FedNS: 연합 학습을 위한 빠른 스케치 뉴턴 유형 알고리즘 | 카스 | AAAI | 2024년 | [PUB] [PDF] [코드] |
| 연합 X-armed Bandit | 퍼듀대학교 | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| 순차 데이터를 사용한 연합 학습의 알고리즘 기반 | GMU | AAAI | 2024년 | [선술집] |
| UFDA: 실용적인 가정을 통한 범용 페더레이션 도메인 적응 | XJTU; 시드니대학교 | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| FedASMU: 동적 부실 인식 모델 업데이트를 통한 효율적인 비동기식 연합 학습 | Hithink RoyalFlush 정보 네트워크 공동 | AAAI | 2024년 | [펍] [페이지] [PDF] |
| 통합 다중 라벨 분류를 위한 언어 기반 변환기 | NTU | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| FedCD: 이중 교사를 통해 클래스 인식 균형을 갖춘 연합된 준지도 학습 | SZU | AAAI | 2024년 | [펍] [페이지] [코드] |
| 전통적인 위협을 넘어서: 연합 학습에 대한 지속적인 백도어 공격 | 휴 | AAAI | 2024년 | [펍] [페이지] [코드] |
| 네거티브 증류를 통해 소음이 매우 심한 클라이언트와의 연합 학습 | XMU | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| FedST: 비 IID 이미지 분할을 위한 연합 스타일 전이 학습 | USTB | AAAI | 2024년 | [PUB] [페이지] [학술] [코드] |
| PPIDSG: 연합 학습에서 GAN을 사용한 개인 정보 보호 이미지 배포 공유 체계 | USTC | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| 스마트 시티를 위한 개인 정보 보호 연합 학습(PPFL) 기반 인지 디지털 트윈(CDT) 프레임워크 | DCU | AAAI | 2024년 | [선술집] |
| 하이브리드 연합 학습을 위한 원시-이중 알고리즘 | 노스웨스턴 대학교 | AAAI | 2024년 | [펍] [페이지] [PDF] |
| FedLF: 계층별 공정한 연합 학습 | CUHK; 심천 인공 지능 및 사회 로봇 공학 연구소 | AAAI | 2024년 | [펍] [페이지] |
| 인센티브 메커니즘을 통한 공정한 그래프 연합 학습을 향하여 | ZJU; FDU | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| 차등적 개인 연합 학습의 견고성을 향하여 | 목 | AAAI | 2024년 | [펍] [페이지] |
| 양방향 선택 및 개별 관점을 통한 연합 학습의 백도어 공격 저항 | ZJU; 화웨이 | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| 정수이면 충분합니다: 수직 연합 학습이 반올림을 만나는 경우 | ZJU; 개미그룹 | AAAI | 2024년 | [펍] [페이지] |
| 이질성 및 롱테일 데이터에 대한 CLIP 기반 연합 학습 | XMU | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| 다중 도메인 협업 학습을 위한 연합 적응형 프롬프트 조정 | FDU | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| 다차원 공정한 연합 학습 | SDU | AAAI | 2024년 | [펍] [페이지] [PDF] |
| HiFi-Gas: 계층적 연합 학습 인센티브 메커니즘 강화된 가스 사용량 추정 | ENN그룹 | AAAI | 2024년 | [선술집] |
| 연합 학습에서 서버 모멘텀의 역할 | 버지니아 대학교 | AAAI | 2024년 | [펍] [PDF] |
| FedCompetitives: 경쟁 참가자와의 연합 학습의 조화로운 협업 | BUPT | AAAI | 2024년 | [펍] [페이지] [PDF] |
| z-SignFedAvg: 연합 학습을 위한 통합 확률적 부호 기반 압축 | CUHK; 중국심천빅데이터연구소 | AAAI | 2024년 | [펍] [페이지] [PDF] |
| 운송 차량의 예측 유지 관리를 위한 데이터 불일치 및 시간적 비가용성 인식 비동기 연합 학습 | 폭스바겐 그룹 | AAAI | 2024년 | [펍] [페이지] |
| 일반화 가능한 프로토타입을 사용한 도메인 이동 하의 연합 그래프 학습 | WHU | AAAI | 2024년 | [펍] [페이지] |
| TurboSVM-FL: 게으른 클라이언트를 위한 SVM 집계를 통해 연합 학습 강화 | 뮌헨 기술대학교 | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| 연합 도메인 일반화를 위한 다중 소스 협업 그라데이션 불일치 최소화 | 추 | AAAI | 2024년 | [펍] [PDF] [코드] |
| 연합 학습에서 경사 누출에 대한 민감한 샘플 숨기기 | 모나쉬 대학교 | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| FedA3I: 이종 주석 노이즈에 대한 연합 의료 이미지 분할을 위한 주석 품질 인식 집계 | 허스트 | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| 설명 가능한 적응형 최적화를 통한 연합 인과성 학습 | SDU | AAAI | 2024년 | [펍] [페이지] [PDF] |
| 비동기 통신 및 이기종 사용자가 포함된 연합된 상황별 캐스케이딩 도적 | USTC | AAAI | 2024년 | [펍] [페이지] [PDF] |
| 사전 훈련된 확산 모델을 사용한 원샷 반지도 연합 학습 탐색 | FDU | AAAI | 2024년 | [펍] [PDF] |
| 개인 재식별에서 페더레이션 도메인 일반화를 위한 다양성-진정성 공동 제약 양식화 | XMU; 트렌토 대학교 | AAAI | 2024년 | [펍] [페이지] |
| PerFedRLNAS: 일대일 맞춤형 연합 신경 아키텍처 검색 | T의 U | AAAI | 2024년 | [펍] [페이지] |
| 전망적 모멘텀 집계 및 세밀한 수정을 통한 효율적인 비동기식 연합 학습 | BUPT | AAAI | 2024년 | [펍] [페이지] |
| 연합 학습 적응형 비트레이트 알고리즘에 대한 적대적 공격 | HKU | AAAI | 2024년 | [선술집] |
| FedTGP: 연합 학습의 데이터 및 모델 이질성을 위한 적응형 마진 강화 대조 학습을 갖춘 훈련 가능한 글로벌 프로토타입 | SJTU | AAAI | 2024년 | [PUB] [페이지] [PDF] [코드] |
| LR-XFL: 논리적 추론 기반 설명 가능한 연합 학습 | NTU | AAAI | 2024년 | [펍] [PDF] [코드] |
| 비잔틴 강력한 연합 학습에 대한 Huber 손실 최소화 접근 방식 | 절강 연구소 | AAAI | 2024년 | [펍] [페이지] [PDF] |
| 개인화된 연합 학습을 위한 지식 인식 매개변수 코칭 | 노스이스턴 대학교 | AAAI | 2024년 | [펍] [페이지] |
| 지역 다양성 제품 정규화를 통한 연합 라벨 노이즈 학습 | SJTU | AAAI | 2024년 | [펍] [페이지] [지원] |
| 연합 학습의 적응형 가중치 집계(학생 요약) | UBC | AAAI | 2024년 | [선술집] |
| 연합 학습의 컴팩트 모델을 통한 지식 전달(학생 요약) | 시드니대학교 | AAAI | 2024년 | [펍] [페이지] |
| PICSR: 연합 학습을 위한 프로토타입 정보 사일로 간 라우터(학생 요약) | 오하이오 주립대학교 Auton Lab, CMU | AAAI | 2024년 | [펍] [페이지] |
| 연합 항목 추천을 위한 개인 정보 보호 그래프 컨볼루션 네트워크 | SZU | 일체 포함 | 2023년 | [선술집] |
| Win-Win: 이중 대상 교차 도메인 추천을 위한 개인 정보 보호 통합 프레임워크 | CAS; UCAS; JD기술; JD 지능형 도시 연구 | AAAI | 2023년 | [선술집] |
| 독성 항목 내장 및 방어를 통한 연합 추천 시스템에 대한 비표적 공격 | USTC; 인지 지능의 주 핵심 연구소 | AAAI | 2023년 | [펍] [PDF] [코드] |
| 인센티브를 강화한 연합 크라우드소싱 | SDU | AAAI | 2023년 | [펍] [PDF] |
| 클래스 프로토타입을 사용하여 연합 학습에서 데이터 이질성 다루기 | 리하이대학교 | AAAI | 2023년 | [PUB] [PDF] [코드] |
| FairFed: 연합 학습에서 그룹 공정성 구현 | USC | AAAI | 2023년 | [PUB] [PDF] [설명] |
| 연합 견고성 전파: 이종 연합 학습에서 적대적 견고성을 공유 | MSU | AAAI | 2023년 | [선술집] |
| 보완 희소화: 연합 학습을 위한 낮은 오버헤드 모델 가지치기 | NJIT | AAAI | 2023년 | [선술집] |
| Federated 최고의 Arm 식별을 통한 거의 비용이 들지 않는 통신 | NUS | AAAI | 2023년 | [펍] [PDF] |
| 확장 가능한 연합 학습을 위한 계층별 적응형 모델 집계 | 서던캘리포니아대학교 인하대학교 | AAAI | 2023년 | [펍] [PDF] |
| Cerberus 중독: 연합 학습에 대한 은밀하고 공모된 백도어 공격 | BJTU | AAAI | 2023년 | [선술집] |
| FedMDFG: 다중 경사하강법 및 공정한 지침을 사용한 연합 학습 | CUHK; 심천 인공 지능 및 사회 로봇 공학 연구소 | AAAI | 2023년 | [선술집] |
| 보안 집계 보안: 연합 학습에서 다단계 개인정보 유출 완화 | USC | AAAI | 2023년 | [PUB] [PDF] [동영상] [코드] |
| 구조적 지식 공유를 통한 비 IID 그래프의 연합 학습 | UTS | AAAI | 2023년 | [펍] [PDF] [코드] |
| 클라이언트 데이터 하위 공간 간의 주각을 통한 클러스터형 연합 학습의 효율적인 분포 유사성 식별 | UCSD | AAAI | 2023년 | [펍] [PDF] [코드] |
| FedABC: 맞춤형 연합 학습의 공정한 경쟁 목표 | WHU; 후베이 루오자 연구소; JD 익스플로어 아카데미 | AAAI | 2023년 | [펍] [PDF] |
| ADMM 너머: 통합 클라이언트 분산 감소 적응형 연합 학습 프레임워크 | SUTD | AAAI | 2023년 | [펍] [PDF] |
| FedGS: 임의의 클라이언트 가용성을 갖춘 통합 그래프 기반 샘플링 | XMU | AAAI | 2023년 | [펍] [PDF] [코드] |
| 더 빠른 적응형 연합 학습 | 피츠버그대학교 | AAAI | 2023년 | [펍] [PDF] |
| FedNP: 연합 신경 전파를 통한 비 IID 연합 학습을 향하여 | HKUST | AAAI | 2023년 | [펍] [코드] [동영상] [지원] |
| 전체 정보를 완성하는 베이지안 연합 신경 매칭 | 추 | AAAI | 2023년 | [펍] [PDF] |
| CDMA: 일반적인 Minimax 문제에 대한 실용적인 교차 장치 연합 학습 알고리즘 | 쭈 | AAAI | 2023년 | [펍] [PDF] [코드] |
| IoT의 다중 소스 이기종 데이터에 대한 연합 생성 모델 | GSU | AAAI | 2023년 | [선술집] |
| DeFL: 중요한 학습 기간 인식을 통해 연합 학습의 모델 중독 공격으로부터 방어 | SUNY-빙엄턴 대학교 | AAAI | 2023년 | [선술집] |
| FedALA: 개인화된 연합 학습을 위한 적응형 로컬 집계 | SJTU | AAAI | 2023년 | [펍] [PDF] [코드] |
| 연합 학습의 적대적 견고성 탐구 | 쭈 | AAAI | 2023년 | [펍] [PDF] |
| 연합 학습을 위한 백도어 방어의 취약성에 대해 | 추 | AAAI | 2023년 | [펍] [PDF] [코드] |
| Echo of Neighbors: Shuffle 모델을 사용한 개인화된 개인 연합 학습을 위한 개인 정보 보호 증폭 | RUC; 교육부 데이터베이스 및 BI 공학연구센터 | AAAI | 2023년 | [펍] [PDF] |
| DPAUC: 연합 학습의 차등 비공개 AUC 계산 | 바이트댄스(주) | AAAI 스페셜 트랙 | 2023년 | [펍] [PDF] [코드] |
| 연합된 기회주의적 블록 드롭아웃을 통한 대규모 산업 결함 진단 모델의 효율적인 교육 | NTU | AAAI 특별 프로그램 | 2023년 | [펍] [PDF] |
| 신약 발견을 위한 업계 규모의 조직화된 연합 학습 | KU 루벤 | AAAI 특별 프로그램 | 2023년 | [펍] [PDF] [동영상] |
| 자율주행차 시뮬레이션을 위한 연합학습 모니터링 도구(학생 초록) | 신우 | AAAI 특별 프로그램 | 2023년 | [선술집] |
| MGIA: 다중 모드 연합 학습의 상호 기울기 역전 공격(학생 초록) | 폴리유 | AAAI 특별 프로그램 | 2023년 | [선술집] |
| 이기종 데이터를 위한 클러스터형 연합 학습(학생 요약) | RUC | AAAI 특별 프로그램 | 2023년 | [선술집] |
| FedSampling: 연합 학습을 위한 더 나은 샘플링 전략 | 목 | IJCAI | 2023년 | [펍] [PDF] [코드] |
| HyperFed: 연합 학습에서 비 IID 데이터에 대한 일관된 집계를 통한 쌍곡선 프로토타입 탐색 | 쭈 | IJCAI | 2023년 | [펍] [PDF] |
| FedOBD: 연합 학습을 통해 대규모 신경망을 효율적으로 훈련하기 위한 기회적 블록 드롭아웃 | NTU | IJCAI | 2023년 | [PUB] [PDF] [코드] |
| 개인 정보 보호 다중 도메인 추천을 위한 컴팩트 공동 클러스터링을 사용한 연합 확률적 선호 분포 모델링 | 쭈 | IJCAI | 2023년 | [선술집] |
| 연합 그래프 의미 체계 및 구조 학습 | WHU | IJCAI | 2023년 | [선술집] |
| BARA: 사일로 간 연합 학습에서 온라인 보상 예산 할당을 통한 효율적인 인센티브 메커니즘 | SYSU | IJCAI | 2023년 | [펍] [PDF] |
| FedDWA: 동적 가중치 조정을 통한 맞춤형 연합 학습 | SYSU | IJCAI | 2023년 | [펍] [PDF] |
| FedPass: 적응형 난독화를 통한 개인 정보 보호 수직 연합 딥 러닝 | 웹뱅크 | IJCAI | 2023년 | [펍] [PDF] |
| 비 IID 그래프를 위한 전역적으로 일관된 Federated Graph Autoencoder | FZU | IJCAI | 2023년 | [펍] [코드] |
| 경매 기반 연합 학습을 위한 경쟁-협력 다중 에이전트 강화 학습 | NTU | IJCAI | 2023년 | [선술집] |
| 연합 추천에 대한 이중 개인화 | JLU; 시드니 기술대학교 | IJCAI | 2023년 | [펍] [PDF] [코드] |
| FedNoRo: 클래스 불균형 및 라벨 노이즈 이질성을 해결하여 노이즈에 강한 연합 학습을 향하여 | 허스트 | IJCAI | 2023년 | [펍] [PDF] [코드] |
| 서비스 거부 또는 세분화된 제어: 연합 학습에 대한 유연한 모델 중독 공격을 향하여 | 샹탄대학교 | IJCAI | 2023년 | [펍] [PDF] [코드] |
| FedHGN: 이기종 그래프 신경망을 위한 연합 프레임워크 | CUHK | IJCAI | 2023년 | [펍] [PDF] [코드] |
| FedET: Enhanced Transformer 기반의 통신 효율적인 연합 클래스 증분 학습 프레임워크 | 핑안기술; 목 | IJCAI | 2023년 | [펍] [PDF] |
| 일기예보를 위한 신속한 연합 학습: 기상 데이터 기반 모델을 향하여 | UTS | IJCAI | 2023년 | [펍] [PDF] [코드] |
| FedBFPT: Bert 추가 사전 교육을 위한 효율적인 연합 학습 프레임워크 | 쭈 | IJCAI | 2023년 | [펍] [코드] |
| 베이지안 연합 학습: 설문조사 | IJCAI 조사 트랙 | 2023년 | [PDF] | |
| 연합 학습의 연합 평가에 대한 조사 | 맥쿼리대학교 | IJCAI 조사 트랙 | 2023년 | [펍] [PDF] |
| SAMBA: 보안 연합 다중 무장 도적을 위한 일반 프레임워크(확장 요약) | INSA 센터 발 드 루아르 | IJCAI 저널 트랙 | 2023년 | [선술집] |
| 연합 주파수 추정에서 보안 및 개인 정보 보호의 통신 비용 | 스탠포드 | AISTATS | 2023년 | [펍] [코드] |
| 비동기 분산 드롭아웃을 통한 효율적이고 가벼운 연합 학습 | 라이스대학교 | AISTATS | 2023년 | [펍] [코드] |
| 분산 개념 드리프트 하의 연합 학습 | CMU | AISTATS | 2023년 | [펍] [코드] |
| 연합 학습에서 내부 회피 공격 특성화 | CMU | AISTATS | 2023년 | [펍] [코드] |
| 연합 점근법: 연합 학습 알고리즘을 비교하는 모델 | 스탠포드 | AISTATS | 2023년 | [펍] [코드] |
| 신뢰할 수 있는 서버가 없는 비공개 비볼록 연합 학습 | USC | AISTATS | 2023년 | [펍] [코드] |
| 데이터 스트림을 위한 연합 학습 | Universit ́ e Cˆ ote d'Azur | AISTATS | 2023년 | [펍] [코드] |
| 후회 외에는 없습니다 - 개인정보를 보호하는 연합 인과관계 발견 | 헬름홀츠 정보 보안 센터 | AISTATS | 2023년 | [펍] [코드] |
| 연합 학습의 지역 차등 개인 정보 보호에 따른 활성 멤버십 추론 공격 | UFC | AISTATS | 2023년 | [펍] [코드] |
| Federated Averaging Langevin Dynamics: 통일된 이론과 새로운 알고리즘을 향하여 | CMAP | AISTATS | 2023년 | [선술집] |
| 최적의 통계 속도를 갖춘 비잔틴 강력한 연합 학습 | UC 버클리 | AISTATS | 2023년 | [펍] [코드] |
| 구조적 지식 공유를 통한 비 IID 그래프의 연합 학습 | UTS | AAAI | 2023년 | [PDF] [코드] |
| FedGS: 임의 클라이언트 가용성을 갖춘 통합 그래프 기반 샘플링 | XMU | AAAI | 2023년 | [PDF] [코드] |
| 인센티브를 강화한 연합 크라우드소싱 | SDU | AAAI | 2023년 | [PDF] |
| 연합 학습에서 편향된 클라이언트 선택을 이해하기 위해. | CMU | AISTATS | 2022년 | [펍] [코드] |
| FLIX: 연합 학습의 로컬 방법에 대한 간단하고 의사소통 효율적인 대안 | 카우스트 | AISTATS | 2022년 | [펍] [PDF] [코드] |
| 연합 평균화(로컬 SGD) 및 연속 관점에 대한 날카로운 경계. | 스탠포드 | AISTATS | 2022년 | [펍] [PDF] [코드] |
| 환경 이질성을 갖춘 연합 강화 학습. | PKU | AISTATS | 2022년 | [펍] [PDF] [코드] |
| 원샷 통신을 통한 통합 근시 커뮤니티 감지 | 퍼듀 | AISTATS | 2022년 | [펍] [PDF] |
| 연합 선형 밴디트에 대한 비동기 신뢰 상한 알고리즘. | 버지니아 대학교 | AISTATS | 2022년 | [펍] [PDF] [코드] |
| 지속적인 최적화를 통한 연합 베이지안 네트워크 구조 학습을 향하여. | CMU | AISTATS | 2022년 | [펍] [PDF] [코드] |
| 버퍼링된 비동기 집계를 사용한 연합 학습 | 메타AI | AISTATS | 2022년 | [펍] [PDF] [동영상] |
| 이기종 데이터에 대한 차등 비공개 연합 학습. | 스탠포드 | AISTATS | 2022년 | [펍] [PDF] [코드] |
| SparseFed: Sparsification을 통한 연합 학습의 모델 중독 공격 완화 | 프린스턴 | AISTATS | 2022년 | [펍] [PDF] [코드] [동영상] |
| 기본 사항: 연합 학습을 위한 더 나은 통신 효율적인 2차 방법 | 카우스트 | AISTATS | 2022년 | [펍] [PDF] |
| 연합 기능적 그라디언트 부스팅. | 펜실베이니아 대학교 | AISTATS | 2022년 | [PUB] [PDF] [코드] |
| QLSD: 베이지안 연합 학습을 위한 양자화된 Langevin 확률 역학. | 크리테오 AI 연구소 | AISTATS | 2022년 | [Pub] [PDF] [코드] [비디오] |
연합 설정 kg. | 즈 주 | ijcai | 2022년 | [Pub] [PDF] [코드] |
| 그래프가있는 개인화 된 연합 학습 | uts | ijcai | 2022년 | [Pub] [PDF] [코드] |
| 개인 정보 보호 노드 분류를위한 수직 연합 그래프 신경망 | 즈 주 | ijcai | 2022년 | [Pub] [PDF] |
| 적응에 적응 : 실로 크로스 연합 학습을위한 개인화 학습 | ijcai | 2022년 | [Pub] [PDF] [코드] | |
| 연합 학습에서 큰 모델을 훈련하기위한 이질적인 앙상블 지식 전달 | ijcai | 2022년 | [Pub] [PDF] | |
| 개인 반 감독 연합 학습. | ijcai | 2022년 | [선술집] | |
| 지식 증류에 기반한 지속적인 연합 학습. | ijcai | 2022년 | [선술집] | |
| 연합 기능으로 분류기 재 훈련을 통한 이종 및 긴 꼬리 데이터에 대한 연합 학습 | ijcai | 2022년 | [Pub] [PDF] [코드] | |
| 개별적인 인간 활동 인식을위한 연합 멀티 태스킹주의 | ijcai | 2022년 | [선술집] | |
| 상황에 맞는 일반화를 통한 개인화 된 연합 학습. | ijcai | 2022년 | [Pub] [PDF] | |
| 보호 연합 학습 : 적응 형 클라이언트 선택을 통한 강력한 집계. | ijcai | 2022년 | [Pub] [PDF] | |
| FEDCG : 프라이버시 보호 및 연합 학습에서 경쟁력있는 성과 유지를위한 조건부 GAN 활용 | ijcai | 2022년 | [Pub] [PDF] [코드] | |
| FedDuap : 서버에서 공유 데이터를 사용하여 동적 업데이트 및 적응 형 가지 치기를 통한 연합 학습. | ijcai | 2022년 | [Pub] [PDF] | |
검증 가능한 Federated Learning을 향해 surv. | ijcai | 2022년 | [Pub] [PDF] | |
| Harmofl : 이기종 의료 이미지에 대한 연합 학습에서 지역 및 세계 표류 조화 | cuhk; 부아 | AAAI | 2022년 | [Pub] [PDF] [코드] [解读] |
| 그라디언트 보정으로 얼굴 인식을위한 연합 학습 | BUPT | AAAI | 2022년 | [Pub] [PDF] |
| Spreadgnn : 분자 데이터에 대한 그래프 신경망을위한 분산 된 멀티 태스킹 연합 학습 | USC | AAAI | 2022년 | [Pub] [PDF] [코드] [解读] |
| SmartIDX : CNNS 구조를 활용하여 연합 학습의 의사 소통 비용 절감 | 때리다; PCL | AAAI | 2022년 | [Pub] [코드] |
| 통합주의 네트워크를 통한인지 처리 신호와 언어 기능 간의 브리징 | tju | AAAI | 2022년 | [Pub] [PDF] |
| 연합 학습에서 중요한 학습 기간을 포착합니다 | SUNY-Binghamton University | AAAI | 2022년 | [Pub] [PDF] |
| 크로스 실로 연합 학습을위한 Momenta 조정 | 피츠버그 대학교 | AAAI | 2022년 | [Pub] [PDF] |
| FedProto : 이기종 장치에 대한 Federated 프로토 타입 학습 | uts | AAAI | 2022년 | [Pub] [PDF] [코드] |
| Fedsoft : 근위 지역 업데이트를 통한 소프트 클러스터링 연합 학습 | CMU | AAAI | 2022년 | [Pub] [PDF] [코드] |
| 페더레이션 다이나믹 스파 스 훈련 : 컴퓨팅이 적고, 의사 소통이 적고, 더 잘 배우는 | 오스틴에있는 텍사스 대학교 | AAAI | 2022년 | [Pub] [PDF] [코드] |
| FEDFR : 일반 및 개인화 된 얼굴 인식을위한 공동 최적화 연합 프레임 워크 | 국립대만대학 | AAAI | 2022년 | [Pub] [PDF] [코드] |
| Splitfed : 연합 학습이 분할 학습을 충족시킬 때 | CSIRO | AAAI | 2022년 | [Pub] [PDF] [코드] |
| 다중 자식 연합 학습을 통한 효율적인 장치 스케줄링 | Soochow University | AAAI | 2022년 | [Pub] [PDF] |
| 분산 및 연합 학습에서 암시 적 구배 정렬 | iit Kanpur | AAAI | 2022년 | [Pub] [PDF] |
| 과일 플라이의 식민지로 가장 가까운 이웃 분류 연합 | IBM 연구 | AAAI | 2022년 | [Pub] [PDF] [코드] |
| 반복 벡터 분야 및 보수주의, 연합 학습에 적용됩니다. | 대체 | 2022년 | [Pub] [PDF] | |
| SARTIFICIATION AMPLIPID PRIBACY 및 적응 적 최적화를 통한 연합 학습 | ijcai | 2021 | [Pub] [PDF] [비디오] | |
| 행동 모방 분포 : 연합 학습을위한 개인과 그룹 행동 결합 | ijcai | 2021 | [Pub] [PDF] | |
| FedSpeech : 지속적인 학습을 가진 Federated 텍스트 음성 연설 | ijcai | 2021 | [Pub] [PDF] | |
| 크로스 실로 환경을위한 실용적인 원샷 연합 학습 | ijcai | 2021 | [Pub] [PDF] [코드] | |
| 소음이없는 차이 프라이버시를 사용한 연합 모델 증류 | ijcai | 2021 | [Pub] [PDF] [비디오] | |
| LDP-FL : 지역 미분 프라이버시를 가진 연합 학습의 실질적인 개인 집계 | ijcai | 2021 | [Pub] [PDF] | |
| 공정한 평균화 된 연합 학습. | ijcai | 2021 | [Pub] [PDF] [코드] | |
| H-FL : 연합 학습을위한 계층 적 커뮤니케이션 효율성 및 개인 정보 보호 구조. | ijcai | 2021 | [Pub] [PDF] | |
| 의사 소통 효율적이고 확장 가능한 분산 연합 가장자리 학습. | ijcai | 2021 | [선술집] | |
| 후진 업데이트를 통한 보안 바일 레벨 비동기 수직 연합 학습 | Xidian University; JD 기술 | AAAI | 2021 | [Pub] [PDF] [비디오] |
| FedRec ++ : 명백한 피드백을 통한 무손실 연합 추천 | SZU | AAAI | 2021 | [Pub] [비디오] |
| 연합 다중 무기 도적 | 버지니아 대학교 | AAAI | 2021 | [Pub] [PDF] [코드] [비디오] |
| 연합 학습을위한 의사 소통 효율적인 지역 SGD의 수렴 | 템플 대학교; 피츠버그 대학교 | AAAI | 2021 | [Pub] [비디오] |
| 불꽃 : 셔플 모델에서 차별적으로 개인 연합 학습 | 중국 렌민 대학교; 교토대학 | AAAI | 2021 | [Pub] [PDF] [비디오] [코드] |
| 연합 학습에서 개별 고객의 영향을 이해하기 위해 | sjtu; 달라스에있는 텍사스 대학교 | AAAI | 2021 | [Pub] [PDF] [비디오] |
| 악의적 인 고객에 대한 보안 연합 학습 | 듀크 대학교 | AAAI | 2021 | [Pub] [PDF] [비디오] [슬라이드] |
| 비 IID 데이터에 대한 개인화 된 크로스 실로 연합 학습 | 사이먼 프레이저 대학교; 맥 마스터 대학교 | AAAI | 2021 | [Pub] [PDF] [비디오] [UC.] |
| 모델 공유 게임 : 자발적인 참여 하에서 연합 학습 분석 | 코넬 대학교 | AAAI | 2021 | [Pub] [PDF] [코드] [비디오] |
| 저주 나 구속? 데이터 이질성이 연합 학습의 견고성에 영향을 미치는 방법 | 네바다 대학교; IBM 연구 | AAAI | 2021 | [Pub] [PDF] [비디오] |
| 그라디언트 게임 : 연합 학습에서 관련없는 고객을 완화합니다 | IIT 봄베이; IBM 연구 | AAAI | 2021 | [Pub] [PDF] [코드] [비디오] [SUPP] |
| 글로벌 및 개인화 된 모델 학습을위한 연합 블록 좌표 하강 체계 | cuhk; 애리조나 주립대학교 | AAAI | 2021 | [Pub] [PDF] [비디오] [코드] |
| 연합 학습에서 계급 불균형을 해결합니다 | 노스 웨스턴 대학교 | AAAI | 2021 | [Pub] [PDF] [비디오] [코드] [解读] |
| 강력한 학습 속도로 연합 학습에서 백도어에 대한 방어 | 달라스에있는 텍사스 대학교 | AAAI | 2021 | [Pub] [PDF] [비디오] [코드] |
| 연합 학습의 모델 집계에 대한 자유 라이더 공격 | Accenture Labs | Aistats | 2021 | [Pub] [PDF] [코드] [비디오] [SUPP] |
| F-Differential Privacy | 펜실베이니아 대학교 | Aistats | 2021 | [Pub] [Code] [비디오] [SUPP] |
| 압축을 통한 연합 학습 : 통합 분석 및 급격한 보증 | 펜실베니아 주립 대학; 오스틴에있는 텍사스 대학교 | Aistats | 2021 | [Pub] [PDF] [코드] [비디오] [SUPP] |
| 연합 학습에서 차등 프라이버시 모델을 섞은 모델 | UCLA; Google | Aistats | 2021 | [Pub] [비디오] [SUPP] |
| 연합 학습 및 메타 학습의 수렴 및 정확성 트레이드 오프 | Aistats | 2021 | [Pub] [PDF] [비디오] [SUPP] | |
| 개인화를 가진 연합 다중 무장 산적 | 버지니아 대학교; 펜실베니아 주립 대학 | Aistats | 2021 | [Pub] [PDF] [코드] [비디오] [SUPP] |
| 연합 학습에 유연한 장치 참여를 향해 | CMU; Sysu | Aistats | 2021 | [Pub] [PDF] [비디오] [SUPP] |
| 사기 신용 카드 탐지를위한 연합 메타 학습 | ijcai | 2020 | [Pub] [비디오] | |
| 연합 학습 인센티브 체계를 연구하기위한 멀티 플레이어 게임 | ijcai | 2020 | [Pub] [코드] [解读] | |
| 실제 연합 그라디언트 강화 의사 결정 트리 | NUS; UWA | AAAI | 2020 | [Pub] [PDF] [코드] |
| 비전 및 언어 접지 문제에 대한 연합 학습 | PKU; 텐센트 | AAAI | 2020 | [선술집] |
| Federated Latent Dirichlet 할당 : 로컬 미분 개인 정보 기반 프레임 워크 | 부아 | AAAI | 2020 | [선술집] |
| 연합 환자 해싱 | 코넬 대학교 | AAAI | 2020 | [선술집] |
| 협업 기계 교육을 통한 강력한 연합 학습 | Symantec Research Labs; 카우스트 | AAAI | 2020 | [Pub] [PDF] |
| FedVision : Federated Learning에 의해 구동되는 온라인 시각 객체 탐지 플랫폼 | Webank | AAAI | 2020 | [Pub] [PDF] [코드] |
| FEDPAQ : 정기 평균화 및 양자화를 가진 의사 소통 효율적인 연합 학습 방법 | UC 산타 바바라; ut Austin | Aistats | 2020 | [Pub] [PDF] [비디오] [SUPP] |
| 백도어 연합 학습 방법 | 코넬 테크 | Aistats | 2020 | [Pub] [PDF] [비디오] [코드] [SUPP] |
| 미분 프라이버시로 연합 무거운 타자 발견 | RPI; Google | Aistats | 2020 | [Pub] [PDF] [비디오] [SUPP] |
| 연합 학습을 설명하기위한 다중 에이전트 시각화 | Webank | ijcai | 2019 | [Pub] [비디오] |
Neurips (신경 정보 처리 시스템에 관한 연례 회의), ICML (International Conference on Machine Learning), ICLR (International Conference of Learning Presentations), COLT (연례 회의 컴퓨터에 대한 연례 회의) 학습 이론), UAI (인공 지능의 불확실성 컨퍼런스), 기계 학습, JMLR (Journal of Machine Learning Research), TPAMI (IEEE 트랜잭션에 대한 IEEE 트랜잭션 분석 및 기계 인텔리전스).
| 제목 | 입회 | 장소 | 년도 | 재료 |
|---|---|---|---|---|
| 부분 고객 참여를 통해 이종 데이터에 대한 연합 학습을 안정화 및 가속화 | tpami | 2025년 | [선술집] | |
| 개인화 및 공유 구성 요소의 혼합 된 의료 연합 모델 | tpami | 2025년 | [선술집] | |
| 합성 증류기-방해산 통신을 통한 원샷 연합 학습 | 신경관 | 2024년 | [선술집] | |
| 이기종 데이터를 가진 소형 부드러운 서브 매니 폴드에 대한 비 컨트 렉스 연합 학습 | 신경관 | 2024년 | [선술집] | |
| FedGMKD : 지식 증류 및 불일치 인식 집계를 통한 효율적인 프로토 타입 연합 학습 프레임 워크 | 신경관 | 2024년 | [선술집] | |
| 모델 데이터 상호 정보 정규화로 연합 학습의 일반화 개선 : 후방 추론 접근 | 신경관 | 2024년 | [선술집] | |
| 연합 모델 이종 Matryoshka 표현 학습 | 신경관 | 2024년 | [선술집] | |
| 크로스 도메인 권장 사항을위한 페더레이션 그래프 학습 | 신경관 | 2024년 | [선술집] | |
| FedGmark : Federated Graph 학습을위한 강력한 워터 마킹 | 신경관 | 2024년 | [선술집] | |
| 연합 재단 모델의 이중 개인화 어댑터 | 신경관 | 2024년 | [선술집] | |
| 연합 자연 정책 그라디언트 및 멀티 태스킹 강화 학습을위한 배우 비평가 | 신경관 | 2024년 | [선술집] | |
| 인간 이동성 예측에서 긴 꼬리를 길들이십시오 | 신경관 | 2024년 | [선술집] | |
| 이중 방어 : 프라이버시 향상 및 연합 학습에서 중독 공격 완화 | 신경관 | 2024년 | [선술집] | |
| 구조 인식 추천 진화를위한 그래프 강화 최적화기 | 신경관 | 2024년 | [선술집] | |
| DOFIT : Domain-Aware Federated Instruction Tuning이 심실 잊어 버렸습니다 | 신경관 | 2024년 | [선술집] | |
| 이종 및 비 정지 고객에 대한 효율적인 연합 학습은 이용 불가능합니다 | 신경관 | 2024년 | [선술집] | |
| 연합 변압기 : 실용적으로 연결된 데이터에 대한 다당수 수직 연합 학습 | 신경관 | 2024년 | [선술집] | |
| Fiarse : Model-Herogeneous Federated Learning Procession-Aware 서브 모델 추출을 통한 학습 | 신경관 | 2024년 | [선술집] | |
| 비 IID 및 불균형 데이터로 확률 론적 연합 프롬프트 조정 | 신경관 | 2024년 | [선술집] | |
| FLORA : 이질적인 저 순위 적응으로 페더레이션 미세 조정 대형 언어 모델 | 신경관 | 2024년 | [선술집] | |
| 이종 데이터 영역을 사용한 연합 프로토 타입 학습의 조정 교차 도메인 표현 차이 | 신경관 | 2024년 | [선술집] | |
| PFEDCLUB : 개인화 된 연합 학습을위한 제어 가능한 이기종 모델 집계 | 신경관 | 2024년 | [선술집] | |
| 왜 가득 차야? 부분 네트워크 업데이트를 통한 연합 학습 상승 | 신경관 | 2024년 | [선술집] | |
| Fusefl : 진보적 인 모델 퓨전을 사용한 인과 관계 렌즈를 통한 원샷 연합 학습 | 신경관 | 2024년 | [선술집] | |
| FedSSP : 스펙트럼 지식 및 개인화 된 선호도를 가진 Federated Graph 학습 | 신경관 | 2024년 | [선술집] | |
| 명시 적 라벨 익스플로잇이있는 이질적인 기능 공간에서 Learnwares 처리 | 신경관 | 2024년 | [선술집] | |
| A-FEDPD : 듀얼 드리프트 정렬은 모두 연합 원시 학습 요구 사항입니다 | 신경관 | 2024년 | [선술집] | |
| 연합 환경에서 개인 및 개인화 된 주파수 추정 | 신경관 | 2024년 | [선술집] | |
| 연합 Q- 러닝에서 표본 커뮤니케이션 복잡성 트레이드 오프 | 신경관 | 2024년 | [선술집] | |
| 연합 앙상블 지시 오프라인 강화 학습 | 신경관 | 2024년 | [선술집] | |
| 의미 론적 세분화를위한 페더레이션 블랙 박스 적응 | 신경관 | 2024년 | [선술집] | |
| 앞으로의 사고 : 언어 모델의 메모리 효율적인 페더레이션 양조 | 신경관 | 2024년 | [선술집] | |
| 비전 언어 재단 모델의 연합 학습 : 이론적 분석 및 방법 | 신경관 | 2024년 | [선술집] | |
| 인간 선호도 추출을위한 최적의 설계 | 신경관 | 2024년 | [선술집] | |
| 작업 산술 지식 통합을 통한 다양한 장치로 이종 연합 학습 | 신경관 | 2024년 | [선술집] | |
| 기능 분포 적응을 통한 개인화 된 연합 학습 | 신경관 | 2024년 | [선술집] | |
| Scafflsa : 연합 선형 확률 론적 근사 및 TD 학습의 길들이기 이질성 | 신경관 | 2024년 | [선술집] | |
| 이기종 환경에서 개인화 된 연합 학습을위한 베이지안 접근 | 신경관 | 2024년 | [선술집] | |
| RFLPA : 안전한 집계를 통한 중독 공격에 대한 강력한 연합 학습 프레임 워크 | 신경관 | 2024년 | [선술집] | |
| FedGTST : 통계 튜닝을 통한 연합 모델의 글로벌 전송 가능성 향상 | 신경관 | 2024년 | [선술집] | |
| 의도적 학습을위한 엔드 투 엔드 학습 가능한 클러스터링 | 신경관 | 2024년 | [선술집] | |
| Fedlpa : 층별 후방 집합을 가진 원샷 연합 학습 | 신경관 | 2024년 | [선술집] | |
| Time-FFM : 시계열 예측을위한 LM에 대한 Federated Foundation 모델로 | 신경관 | 2024년 | [선술집] | |
| FOOGD : 배포되지 않은 일반화 및 탐지를위한 Federated Collaboration | 신경관 | 2024년 | [선술집] | |
| 이종 연합 학습을위한 스위스 군용 나이프 : 흔적 규범을 통한 유연한 커플 링 | 신경관 | 2024년 | [선술집] | |
| Fedne : 차원 감소를위한 대리 보조 연합 이웃 임베딩 | 신경관 | 2024년 | [선술집] | |
| 낮은 정밀 지역 훈련은 연합 학습에 충분합니다 | 신경관 | 2024년 | [선술집] | |
| 자원 인식 연합 연합 자체 감독 학습은 글로벌 계급 표현 | 신경관 | 2024년 | [선술집] | |
| 분산 데이터를 사용한 온라인 모델 선택을위한 협업의 필요성 | 신경관 | 2024년 | [선술집] | |
| 연합 학습의 외삽의 힘 | 신경관 | 2024년 | [선술집] | |
| (fl) $^2 $ : Federated 반 감독 학습에서 몇 가지 레이블을 극복합니다 | 신경관 | 2024년 | [선술집] | |
| 스펙트럼 모델 샤딩을위한 샘플링 전략 | 신경관 | 2024년 | [선술집] | |
| 순차적 인 권장 사항을 위해 인스턴스 별 LORA를 사용하여 언어 모델을 사용자 정의합니다 | 신경관 | 2024년 | [선술집] | |
| SPAFL : 희소 모델과 낮은 계산 간접비를 사용한 의사 소통 효율적인 연합 학습 | 신경관 | 2024년 | [선술집] | |
| Hydra-FL : 강력하고 정확한 연합 학습을위한 하이브리드 지식 증류 | 신경관 | 2024년 | [선술집] | |
| 연합 최적화를위한 안정화 된 근위 지점 방법 | 신경관 | 2024년 | [선술집] | |
| dapperfl : 에지 장치에 대한 모델 퓨전 가지 치기를 통한 도메인 적응 형 연합 학습 | 신경관 | 2024년 | [선술집] | |
| 이종 연합 학습에서 백도어 방어를위한 파라미터 불균형 해부 | 신경관 | 2024년 | [선술집] | |
| 최악의 성과 에이전트가 팩을 이끌고 있습니까? 통합 분산 SGD의 에이전트 역학 분석 | 신경관 | 2024년 | [선술집] | |
| FedAVP : 연합 학습에서 공유 정책을 통한 지역 데이터 확대 | 신경관 | 2024년 | [선술집] | |
| COBO :이 담즙 최적화를 통한 공동 학습 | 신경관 | 2024년 | [선술집] | |
| 이종 데이터에 대한 분할 연합 학습의 수렴 분석 | 신경관 | 2024년 | [선술집] | |
| 커뮤니케이션 효율적인 페더레이션 그룹 분포 강력한 최적화 | 신경관 | 2024년 | [선술집] | |
| 페라리 : 기능 감도 최적화를 통한 연합 기능 연합 기능 | 신경관 | 2024년 | [선술집] | |
| 연결된 모드에 대한 연합 학습 | 신경관 | 2024년 | [선술집] | |
| 적응 예측 및 모델 미세 조정을위한 모델의 혼합 된 개인화 된 연합 학습 | 신경관 | 2024년 | [선술집] | |
| 평등주의 공정성은 불안정성으로 이어 집니까? 공정성은 이타 적 행동 하에서 안정적인 연합 학습의 경계 | 신경관 | 2024년 | [선술집] | |
| 차이 프라이버시를 가진 전문가의 온라인 예측 : 분리 및 후회 속도 업 | 신경관 | 2024년 | [선술집] | |
| DataStealing : 여러 트로이 목마를 사용한 연합 학습의 확산 모델에서 데이터를 훔치기 | 신경관 | 2024년 | [선술집] | |
| 연합 행동 비행기 : 연합 학습에서 고객 행동의 진화 설명 설명 | 신경관 | 2024년 | [선술집] | |
| 다중 타임 스케일 그라디언트 수정을 통한 계층 적 연합 학습 | 신경관 | 2024년 | [선술집] | |
| Hyperprism : 비 IID 데이터 및 시변 통신 링크에 대한 분산 기계 학습을위한 적응 형 비선형 집계 프레임 워크 | 신경관 | 2024년 | [선술집] | |
| 스피어 : 연합 학습에서 배치의 정확한 그라디언트 반전 | 신경관 | 2024년 | [선술집] | |
| 정기적 인 고객 참여 및 이종 데이터에 따른 연합 학습 : 새로운 커뮤니케이션 효율적인 알고리즘 및 분석 | 신경관 | 2024년 | [선술집] | |
| 브리징 갭 : 이기종 하이브리드 뷰에서 연합 다중 뷰 클러스터링 | 신경관 | 2024년 | [선술집] | |
| 비 IID 데이터에 대한 확산 기반 데이터 조화를 통한 혼란 방지 연합 학습 | 신경관 | 2024년 | [선술집] | |
| 현지 우월한 수프 : 크로스 실로 연합 학습에서 모델 병합을위한 촉매제 | 신경관 | 2024년 | [선술집] | |
| 크로스 실로 연합 학습을위한 자유 라이더 및 갈등 인식 협력 형성 | 신경관 | 2024년 | [선술집] | |
| 분산 된 개념 드리프트 하의 연합 학습을위한 분류기 클러스터링 및 기능 정렬 | 신경관 | 2024년 | [선술집] | |
| 이질성 유도 클라이언트 샘플링 : 빠르고 효율적인 비 IID 연합 학습으로 | 신경관 | 2024년 | [선술집] | |
| 사실 또는 소설 : 진실한 메커니즘이 Federated Free Riding을 제거 할 수 있습니까? | 신경관 | 2024년 | [선술집] | |
| 샘플 및 외부에서 항목을 주문하기위한 적극적인 선호 학습 | 신경관 | 2024년 | [선술집] | |
| 이기종 작업 및 클라이언트 리소스 하에서 큰 언어 모델의 페더레이션 미세 조정 | 신경관 | 2024년 | [선술집] | |
| 적대적인 고객을 완화하기 위해 연합 학습의 미세 조정 개인화 | 신경관 | 2024년 | [선술집] | |
| 원샷 연합 학습에서 앙상블을 다시 방문합니다 | 신경관 | 2024년 | [선술집] | |
| Fedllm-Bench : 대형 언어 모델의 연합 학습을위한 현실적인 벤치 마크 | 신경관 | 2024년 | [선술집] | |
| $ exttt {pfl-research} $ : 개인 연합 학습에서 연구 가속화를위한 시뮬레이션 프레임 워크 | 신경관 | 2024년 | [선술집] | |
| FedMeki : Federated Knowledge Injection을 통한 의료 기초 모델 스케일링 벤치 마크 | 신경관 | 2024년 | [선술집] | |
| 비동기 개인 연합 학습의 운동량 근사 | Neurips Workshop | 2024년 | [선술집] | |
| 코호트 스퀴즈 : 교차 사전 연합 학습에서 코호트 당 단일 커뮤니케이션 라운드 너머 | Neurips Workshop | 2024년 | [선술집] | |
| 생성 내용을 가진 연합 학습 | Neurips Workshop | 2024년 | [선술집] | |
| 대형 언어 모델의 연합 지침 튜닝에 대한 구조화되지 않은 텍스트 데이터 활용 | Neurips Workshop | 2024년 | [선술집] | |
| 대형 언어 모델의 연합 교육 튜닝의 신흥 안전 공격 및 방어 | Neurips Workshop | 2024년 | [선술집] | |
| 학습 시스템에서 경쟁사 간의 탈북없는 협력 | Neurips Workshop | 2024년 | [선술집] | |
| 이기종 환경에서 연합 Q- 러닝의 수렴 속도에서 | Neurips Workshop | 2024년 | [선술집] | |
| EncCluster : 페더레이션 기초 모델에서 기능적 암호화를 가져옵니다 | Neurips Workshop | 2024년 | [선술집] | |
| 흰 족제비 : 대형 언어 모델에 대한 연합 전체 부패수 튜닝 | Neurips Workshop | 2024년 | [선술집] | |
| 뜨거운 플러그 페더레이션 학습 | Neurips Workshop | 2024년 | [선술집] | |
| 글로벌 손실 수렴 보장을 통한 연합 동적 저급 교육 | Neurips Workshop | 2024년 | [선술집] | |
| 대형 언어 모델 사전 훈련의 미래는 연합됩니다 | Neurips Workshop | 2024년 | [선술집] | |
| 공유 선형 표현과의 공동 학습 : 통계 속도 및 최적 알고리즘 | Neurips Workshop | 2024년 | [선술집] | |
| 시냅스 시티 현상 : 모든 기초 모델이 연합 학습 및 블록 체인과 결혼 할 때 | Neurips Workshop | 2024년 | [선술집] | |
| ZoopFL : 개인화 된 연합 학습을위한 블랙 박스 재단 모델 탐색 | Neurips Workshop | 2024년 | [선술집] | |
| Decomfl : 치수가없는 의사 소통을 가진 연합 학습 | Neurips Workshop | 2024년 | [선술집] | |
| 연합 딥 러닝의 일반화를위한 그룹 연결 개선 | Neurips Workshop | 2024년 | [선술집] | |
| 지도 : 제한된 계산을 사용하여 상각 된 파레토 전면과 병합 | Neurips Workshop | 2024년 | [선술집] | |
| OPA : 단일 클라이언트 상호 작용 및 연합 학습에 대한 응용 프로그램을 갖춘 원샷 개인 집계 | Neurips Workshop | 2024년 | [선술집] | |
| 손실 탐색을 통한 연합 학습에서의 적응 하이브리드 모델 가지 치기 | Neurips Workshop | 2024년 | [선술집] | |
| 언어 모델의 전세계 연합 교육 | Neurips Workshop | 2024년 | [선술집] | |
| Fedstein : James-Stein Estimator를 통한 다중 도메인 연합 학습 향상 | Neurips Workshop | 2024년 | [선술집] | |
| 제한된 로컬 샘플로 연합 환경에서 인과 적 발견 강화 | Neurips Workshop | 2024년 | [선술집] | |
| $ exttt {pfl-research} $ : 개인 연합 학습에서 연구 가속화를위한 시뮬레이션 프레임 워크 | Neurips Workshop | 2024년 | [선술집] | |
| DMM : 포장 된 비밀 공유를 사용한 차등-민간 연합 학습을위한 분산 매트릭스 메커니즘 | Neurips Workshop | 2024년 | [선술집] | |
| Fedcbo : 합의 기반 최적화를 통한 클러스터링 연합 학습에서 그룹 합의에 도달 | JMLR | 2024년 | [선술집] | |
| 효과적인 연합 그래프 매칭 | ICML | 2024년 | [선술집] | |
| 불완전한 고객 참여가있을 때 서버 지원 연합 학습 이해 | ICML | 2024년 | [선술집] | |
| 연합 너머 : 보이지 않는 고객에게 일반화를위한 토폴로지 인식 연합 학습 | ICML | 2024년 | [선술집] | |
| FEDBPT : 대형 언어 모델을위한 효율적인 페더레이션 블랙 박스 프롬프트 튜닝 | ICML | 2024년 | [선술집] | |
| 불확실성 기반 비대칭 상호 학습을 통한 연합 학습의 브리징 모델 이질성 | ICML | 2024년 | [선술집] | |
| 페더레이션 최적화의 데이터 이질성에 대한 새로운 이론적 관점 | ICML | 2024년 | [선술집] | |
| 대규모 모델을위한 연합 멀티 모달 학습의 저장 및 계산 효율 향상 | ICML | 2024년 | [] | |
| 승리를위한 모멘텀 : 이기종 환경에 걸친 협업 연합 강화 학습 | ICML | 2024년 | [선술집] | |
| 비잔틴-로버스 연합 학습 : 고객 서브 샘플링 및 로컬 업데이트의 영향 | ICML | 2024년 | [선술집] | |
| 신경망을위한 이종 연합 학습에서 지역 단계의 입증 가능한 이점 : 기능 학습 관점 | ICML | 2024년 | [선술집] | |
| 빠른 분산 평균 추정으로 연합 학습 가속화 | ICML | 2024년 | [선술집] | |
| 비례 거부권 핵심을 통한 공정한 연합 학습 | ICML | 2024년 | [선술집] | |
| AEGISFL : 효율적이고 유연한 프라이버시 프리즈 비잔틴-로버스트 크로스 실로 연합 학습 | ICML | 2024년 | [선술집] | |
| 연합 학습의 지역 업데이트에서 레이블 복구 | ICML | 2024년 | [선술집] | |
| Fedmbridge : 교활성 다중 모드 연합 학습 | ICML | 2024년 | [선술집] | |
| 연합 신속한 학습의 일반화 및 개인화 조화 | ICML | 2024년 | [선술집] | |
| 국부적으로 추정 된 글로벌 섭동은 연합 선명도 인식 최소화에 대한 지역적 섭동보다 낫다 | ICML | 2024년 | [선술집] | |
| 폐쇄 형 분류기를 사용한 이종 연합 학습 가속화 | ICML | 2024년 | [선술집] | |
| 연합 조합 다중 에이전트 다중 무기 도적 | ICML | 2024년 | [선술집] | |
| 연합 다중 레벨 구성 최적화를위한 이중 재귀 확률 구성 조성 구배 하강 방법 | ICML | 2024년 | [선술집] | |
| 신뢰할 수있는 서버가없는 개인 이종 연합 학습 : 오류-최적화 및 커뮤니케이션 효율적인 알고리즘은 볼록 손실 | ICML | 2024년 | [선술집] | |
| FEDRC : 강력한 군집을 통한 연합 학습의 다양한 분포 이동 문제 | ICML | 2024년 | [선술집] | |
| 순차적 의사 결정을 통한 연합 학습의 전반적인 복지 추구 | ICML | 2024년 | [선술집] | |
| 사전 텍스트 : LLM 시대의 개인 연합 데이터에 대한 언어 모델 교육 | ICML | 2024년 | [선술집] | |
| 비잔틴-로보스트 이종 연합 학습을위한 자체 중심의 엔트로피 응집 | ICML | 2024년 | [선술집] | |
| 합성 앵커를 통한 분산 연합 학습에서 데이터 및 모델 이질성 극복 | ICML | 2024년 | [선술집] | |
| 이중 정규화 된 드리프트 보정으로 연합 최적화 | ICML | 2024년 | [선술집] | |
| FEDSC : 비 IID 데이터에 대한 스펙트럼 대조 목표를 가진 입증 가능한 연합 자체 감독 학습 | ICML | 2024년 | [선술집] | |
| 의식적으로 비잔틴-로버스트 연합 적합성 예측 | ICML | 2024년 | [선술집] | |
| 연합 학습에서 대체 공간에 대한 매핑을 통한 무손실 구배 연구 | ICML | 2024년 | [선술집] | |
| 그라디언트 기반 파티셔닝을 통한 클러스터링 연합 학습 | ICML | 2024년 | [선술집] | |
| 이기종 고객과의 연합 학습을위한 재발 초기 출구 | ICML | 2024년 | [선술집] | |
| 연합 학습에서 평평한 최소 검색을 다시 생각합니다 | ICML | 2024년 | [선술집] | |
| Fedbat : 학습 가능한 이항을 통한 의사 소통 효율적인 연합 학습 | ICML | 2024년 | [선술집] | |
| 미지의 변수 체제에서의 연합 대표 학습 | ICML | 2024년 | [선술집] | |
| FEDLMT : 이론적 보증을 가진 저급 모델 교육을 통한 연합 학습의 태클 시스템 이질성 | ICML | 2024년 | [선술집] | |
| 이질적인 차별적으로 개인 연합 학습을위한 소음 인식 알고리즘 | ICML | 2024년 | [선술집] | |
| 실버 : 단일 루프 분산 감소 및 연합 학습에 대한 적용 | ICML | 2024년 | [선술집] | |
| 페더레이션 방어가있는 SignSGD : 그라디언트 부호 디코딩을 통한 적대적 공격 활용 | ICML | 2024년 | [선술집] | |
| FedCal : 집계 된 매개 변수화 된 스케일러를 통한 연합 학습에서 로컬 및 글로벌 교정 달성 | ICML | 2024년 | [선술집] | |
| 프롬프트 기반 듀얼 지식 전달을 통한 연합 연속 학습 | ICML | 2024년 | [선술집] | |
| 18 킬로바이트 미만의 커뮤니케이 | ICML | 2024년 | [선술집] | |
| 페더레이션 환경에서 분해 성 서브 모드형 최대화 | ICML | 2024년 | [선술집] | |
| 개인 및 연합 확률 론적 볼록 최적화 : 중앙 집중식 시스템을위한 효율적인 전략 | ICML | 2024년 | [선술집] | |
| 디렉렛 다 배수 혼합물을 사용하여 연합 데이터 세트의 개선 된 모델링 | ICML | 2024년 | [선술집] | |
| 연합 학습의 일반화 오류 분석 : 덜 자주 의사 소통 할 수 있습니다! | ICML | 2024년 | [선술집] | |
| 비잔틴 회복력과 빠른 연합 소수의 학습 | ICML | 2024년 | [선술집] | |
| 단축 컷 정보 이론적 정규화로 인과 적으로 동기 부여 개인화 된 연합 불변 학습 | ICML | 2024년 | [선술집] | |
| 효율적인 연합 학습을위한 순위 기반 고객 모방 선택 | ICML | 2024년 | [선술집] | |
| 감독되지 않은 연합 학습 이론으로 : Federated EM 알고리즘의 비 항문 분석 분석 | ICML | 2024년 | [선술집] | |
| 파다 : 연합 적응 비동기 최적화를 향해 | ICML | 2024년 | [선술집] | |
| 연합 오프라인 강화 학습 : 공동 단일 정책 범위가 충분합니다 | ICML | 2024년 | [선술집] | |
| FedRedefense : 모델 업데이트 재건 오류를 사용한 연합 학습에 대한 모델 중독 공격에 대한 방어 | ICML | 2024년 | [선술집] | |
| MH-PFLID : 의료 데이터 분석을위한 주사 및 증류를 통한 모델 이종 개인화 된 연합 학습 | ICML | 2024년 | [선술집] | |
| 연합 신경 상징 학습 | ICML | 2024년 | [선술집] | |
| 연합 상호 전송 학습을위한 적응 형 그룹 개인화 | ICML | 2024년 | [선술집] | |
| 연합 학습의 유사성과 상보성 균형 | ICML | 2024년 | [선술집] | |
| 반영 방지 증강으로 Federated selfplaining gnns | ICML | 2024년 | [선술집] | |
| 깊은 AUC 최대화를위한 연합 확률 론적 다단계 구성 미니 맥스 알고리즘 | ICML | 2024년 | [선술집] | |
| Coala : 실용적이고 비전 중심 연합 학습 플랫폼 | ICML | 2024년 | [선술집] | |
| 계단식 하이브리드 최적화를 통한 안전하고 빠른 비동기 수직 연합 학습 | Mach Learn | 2024년 | [선술집] | |
| 모델 거리를 통한 의사 소통 효율적인 클러스터링 연합 학습 | USTC; 인지 지능의 주요 실험실 | Mach Learn | 2024년 | [선술집] |
| 이기종 데이터에 대한 초 5 인 집계를 가진 연합 학습. | Google 연구 | Mach Learn | 2024년 | [Pub] [PDF] [코드] |
| 클래스 불균형 비 IID 연합 학습에 대한 모델 출력 정렬 | NJU | Mach Learn | 2024년 | [선술집] |
| 일반화 된 선형 인과 네트워크의 연합 학습 | tpami | 2024년 | [선술집] | |
| 교차 모달 연합 인간 활동 인식 | tpami | 2024년 | [선술집] | |
| 페더레이션 가우스 프로세스 : 수렴, 자동 개인화 및 다기성 모델링 | 북동부 대학교; uom | tpami | 2024년 | [Pub] [PDF] [코드] |
| 연합 학습에 대한 대적 공격의 영향 : 설문 조사 | iit | tpami | 2024년 | [선술집] |
| 연합 학습에서 차원 붕괴를 이해하고 완화 | NUS | tpami | 2024년 | [Pub] [PDF] [코드] |
| 남은 사람은 없습니다 : 실제 연합 계급 학습 학습 | CAS; UCA | tpami | 2024년 | [Pub] [PDF] [코드] |
| 일반화 가능한 이기종 연합 교차 상관 및 인스턴스 유사성 학습 | WHU | tpami | 2024년 | [Pub] [PDF] [코드] |
| 적응 형 차별 프라이버시를 가진 다단계 비동기 연합 학습 | HPU; XJTU | tpami | 2024년 | [Pub] [PDF] [코드] |
| 온라인 라플라스 근사가있는 베이지안 연합 학습 프레임 워크 | SUSTECH | tpami | 2024년 | [Pub] [PDF] [코드] |
| 데이터 및 앙상블 공동 부스팅을 통해 원샷 연합 학습을 향상시킵니다 | USTC; hkbu | ICLR | 2024년 | [선술집] |
| 연합 학습에 대한 원샷 경험적 프라이버시 평가 | ICLR | 2024년 | [Pub] [PDF] | |
| 커뮤니케이션 압축으로 연합 학습을위한 확률 론적 제어 평균 | LinkedIn; 유펜 | ICLR | 2024년 | [Pub] [PDF] |
| 연합 평균에서 알려지지 않은 참여 통계를 다루는 가벼운 방법 | IBM | ICLR | 2024년 | [Pub] [PDF] [코드] |
| 연합 대조 학습에 대한 상호 정보 관점 | Qualcomm | ICLR | 2024년 | [선술집] |
| 연합 도메인 일반화를위한 벤치마킹 알고리즘 | 퍼듀 대학교 | ICLR | 2024년 | [Pub] [PDF] [코드] |
| 하이브리드 데이터에 대한 효과적이고 효율적인 페더레이션 트리 학습 | UC 버클리 | ICLR | 2024년 | [Pub] [PDF] |
| 부가 적 개인화를 통한 연합 추천 | uts | ICLR | 2024년 | [Pub] [PDF] [코드] |
| 캐시 된 업데이트 교정으로 비동기 연합 학습에서 데이터 이질성을 다루고 있습니다. | 파워서플라이 | ICLR | 2024년 | [Pub] [Supp] |
| 연합 직교 훈련 : 지속적인 연합 학습에서 전 세계적으로 치명적인 잊어 버리는 완화 | USC | ICLR | 2024년 | [Pub] [SUPP] [PDF] |
| 이종 연합 연속 학습에 대한 정확한 잊어 버린다 | 목 | ICLR | 2024년 | [Pub] [코드] |
| 이종 데이터에서 연합 인과 적 발견 | MBZUAI | ICLR | 2024년 | [Pub] [PDF] [코드] |
| 차별적으로 개인 연합 선형 맥락 산적에서 | 웨인 주립 대학 | ICLR | 2024년 | [Pub] [SUPP] [PDF] |
| 연합 산적에 대한 진실한 의사 소통 | 버지니아 대학교 | ICLR | 2024년 | [Pub] [PDF] |
| 원칙적인 페더레이션 도메인 적응 : 그라디언트 투영 및 자동 가중치 | UIUC | ICLR | 2024년 | [선술집] |
| FEDP3 : 모델 이질성에 따라 페더레이션 개인화 및 개인 정보 친화적 인 네트워크 가지 치기 | 카우스트 | ICLR | 2024년 | [선술집] |
| 연합 학습에서 비전 언어 모델을위한 텍스트 중심의 프롬프트 생성 | Robert Bosch LLC | ICLR | 2024년 | [Pub] [PDF] |
| 프라이버시 보존 연합 학습에서 LORA 개선 | 북동부 대학 | ICLR | 2024년 | [선술집] |
| Fedwon : 정상화없이 멀티 도메인 연합 학습을 추적합니다 | 소니 AI | ICLR | 2024년 | [Pub] [PDF] |
| FedTrans : 강력한 연합 학습을위한 고객 트랜스 펜트 유틸리티 추정 | Tu Delft | ICLR | 2024년 | [선술집] |
| Fedcompass : 컴퓨팅 파워 인식 스케줄러를 사용하여 이질적인 클라이언트 장치에 대한 효율적인 크로스 실로 연합 학습 | anl; UIUC; NCSA | ICLR | 2024년 | [Pub] [PDF] [코드] [페이지] |
| 개인화 된 연합 학습을위한 베이지안 코어셋 최적화 | IIT 봄베이 | ICLR | 2024년 | [선술집] |
| 레이어 별 선형 모드 연결 | Ruhr-Universtät Bochum | ICLR | 2024년 | [Pub] [PDF] [SUPP] |
| 만들기까지 가짜 : 합의 지향 세대를 가진 연합 학습 | SJTU | ICLR | 2024년 | [Pub] [PDF] |
| 평범한 숨기기 : 페더레이션 학습에서 데이터 도둑질 공격 위장 | insait | ICLR | 2024년 | [Pub] [SUPP] [PDF] |
| 정책 이종 연합 강화 학습의 유한 시간 분석 | 컬럼비아대학교 | ICLR | 2024년 | [Pub] [PDF] |
| 자동 조정 된 고객과의 적응 형 연합 학습 | 라이스 대학교 | ICLR | 2024년 | [Pub] [SUPP] [PDF] |
| 백도어 크리티컬 레이어를 중독하여 백도어 연합 학습 | ND | ICLR | 2024년 | [Pub] [SUPP] [PDF] |
| 연합 Q- 러닝 : 통신 비용이 낮은 선형 후회 속도 | 파워서플라이 | ICLR | 2024년 | [Pub] [SUPP] [PDF] |
| Fedimpro : Federated Learning의 고객 업데이트 측정 및 개선 | hkbu | ICLR | 2024년 | [Pub] [PDF] |
| 페더레이션 된 Wasserstein 거리 | MIT | ICLR | 2024년 | [Pub] [SUPP] [PDF] |
| 연합 학습에서 샘플 당 및 업데이트 당 클리핑에 대한 개선 된 분석 | DTU | ICLR | 2024년 | [선술집] |
| FedCDA : 크로스 라운드 발산 인식 집계를 통한 연합 학습 | NTU | ICLR | 2024년 | [Pub] [Supp] |
| 연합 학습에서 균질성을 이질성으로 확장하기위한 내부 크로스 레이어 그라디언트 | hku | ICLR | 2024년 | [Pub] [PDF] |
| 모멘텀은 비 IID 연합 학습에 이익을 얻을 수 있습니다 | PKU; 유펜 | ICLR | 2024년 | [Pub] [PDF] |
| 통신 효율적인 페더레이션 비선형 적응 최적화 | 예일대학교 | ICLR | 2024년 | [Pub] [PDF] |
| 수직 연합 학습에 대한 공정하고 효율적인 기여 평가 | 화웨이 | ICLR | 2024년 | [Pub] [SUPP] [PDF] [코드] |
| 부분 정보 분해를 이용한 연합 학습에서 지역 및 글로벌 공정성 트레이드 오프를 해제 | UMCP | ICLR | 2024년 | [Pub] [PDF] |
| 이기종 연합 고객을위한 개인화 된 인과 적으로 변하지 않는 표현 학습 | polyu | ICLR | 2024년 | [선술집] |
| PEFLL : 학습을 배우는 개인화 된 연합 학습 | IST | ICLR | 2024년 | [Pub] [SUPP] [PDF] |
| 분산 변동 불평등을위한 커뮤니케이션 효율적인 그라디언트 하강-accent 방법 : 통합 분석 및 로컬 업데이트 | JHU | ICLR | 2024년 | [Pub] [SUPP] [PDF] |
| Fedinverse : 연합 학습에서 개인 정보 유출 평가 | USQ | ICLR | 2024년 | [Pub] [Supp] |
| FedDA : 연합 제한 최적화를위한 더 빠른 적응 형 구배 방법 | UMCP | ICLR | 2024년 | [Pub] [SUPP] [PDF] |
| 라벨 결핍이 극도로 페더레이션 모델의 강력한 교육 | hkbu | ICLR | 2024년 | [Pub] [PDF] [코드] |
| 기능 학습 이론을 통한 연합 학습의 수렴 및 일반화 이해 | Riken AIP | ICLR | 2024년 | [선술집] |
| LLMS를 Phish에게 가르치기 : 언어 모델에서 개인 정보 훔치기 | 프린스턴 대학교 | ICLR | 2024년 | [선술집] |
| 기름과 물처럼 : 그룹 견고성 방법과 중독 방어는 혼합하지 않습니다. | UMCP | ICLR | 2024년 | [선술집] |
| 이방성 구배 소음에서 확률 론적 무거운 볼 방법의 가속화 된 수렴 | HKUST | ICLR | 2024년 | [Pub] [PDF] |
| 그라디언트 반전 공격에서 하드 레이블 제약 조건을 제거합니다 | 카스 | ICLR | 2024년 | [Pub] [SUPP] [PDF] [코드] |
| 로컬 복합 안장점 최적화 | 퍼듀 대학교 | ICLR | 2024년 | [Pub] [PDF] |
| 상관 된 역학 모델을 통한 신경 훈련 향상 | tiit | ICLR | 2024년 | [Pub] [PDF] |
| Econtrol : 압축 및 오류 제어를 통한 빠른 분산 최적화 | Saarland University | ICLR | 2024년 | [Pub] [SUPP] [PDF] |
| 수직 연합 학습을위한 적대적 사례 구성 : 다중 무기 산적을 통한 최적의 클라이언트 손상 | HKUST | ICLR | 2024년 | [선술집] |
| Fedhyper : 과학적인 하강을 가진 연합 학습을위한 보편적이고 강력한 학습 속도 스케줄러 | UMCP | ICLR | 2024년 | [Pub] [SUPP] [PDF] [코드] |
| 지역-글로벌 업데이트에 의한 이질적인 개인화 된 연합 학습 수렴 비율을 통한 혼합 | Cuhk | ICLR | 2024년 | [선술집] |
| 물리적 및 언어 적 경계 파괴 : 저주적 언어에 대한 다국어 연합 프롬프트 튜닝 | 캠브리지 대학교 | ICLR | 2024년 | [선술집] |
| 균일 한 구배 이질성을 가진 비 컨트리 목표에 대한 간단한 최소 최적의 비잔틴 강력한 알고리즘 | NTT 데이터 수학 시스템 Inc. | ICLR | 2024년 | [선술집] |
| Vflair : 수직 연합 학습을위한 연구 도서관 및 벤치 마크 | 목 | ICLR | 2024년 | [Pub] [PDF] [코드] |
| Incentive-Aware Federated Learning with Training-Time Model Rewards | NUS | ICLR | 2024년 | [PUB] [SUPP] |
| VertiBench: Advancing Feature Distribution Diversity in Vertical Federated Learning Benchmarks | NUS | ICLR | 2024년 | [PUB] [PDF] [CODE] |
| FedLoGe: Joint Local and Generic Federated Learning under Long-tailed Data | ZJU | ICLR | 2024년 | [PUB] [SUPP] [PDF] |
| SimFBO: Towards Simple, Flexible and Communication-efficient Federated Bilevel Learning | 버팔로 대학교 | NeurIPS | 2023년 | [PUB] [PDF] [SUPP] |
| Mechanism Design for Collaborative Normal Mean Estimation | UW-Madison | NeurIPS | 2023년 | [PUB] [PDF] |
| Robust Distributed Learning: Tight Error Bounds and Breakdown Point under Data Heterogeneity | EPFL | NeurIPS | 2023년 | [PUB] [PDF] [CODE] |
| Incentives in Federated Learning: Equilibria, Dynamics, and Mechanisms for Welfare Maximization | UIUC | NeurIPS | 2023년 | [PUB] [SUPP] |
| Convergence Analysis of Sequential Federated Learning on Heterogeneous Data | BUPT | NeurIPS | 2023년 | [PUB] [PDF] [CODE] |
| Handling Data Heterogeneity via Architectural Design for Federated Visual Recognition | MBZUAI | NeurIPS | 2023년 | [PUB] [PDF] [CODE] |
| Private Federated Frequency Estimation: Adapting to the Hardness of the Instance | JHU | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| Zeroth-Order Methods for Nondifferentiable, Nonconvex, and Hierarchical Federated Optimization | Rutgers University | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| Incentivized Communication for Federated Bandits | 버지니아 대학교 | NeurIPS | 2023년 | [PUB] [PDF] |
| Multiply Robust Federated Estimation of Targeted Average Treatment Effects | Northeastern University | NeurIPS | 2023년 | [PUB] [PDF] |
| IBA: Towards Irreversible Backdoor Attacks in Federated Learning | Vanderbilt University; VinUniversity | NeurIPS | 2023년 | [PUB] [SUPP] [CODE] |
| EvoFed: Leveraging Evolutionary Strategies for Communication-Efficient Federated Learning | 카이스트 | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| Federated Linear Bandits with Finite Adversarial Actions | 버지니아 대학교 | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| FedNAR: Federated Optimization with Normalized Annealing Regularization | MBZUAI | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| Guiding The Last Layer in Federated Learning with Pre-Trained Models | Concordia University | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| Fine-Grained Theoretical Analysis of Federated Zeroth-Order Optimization | HZAU | NeurIPS | 2023년 | [PUB] [SUPP] |
| Navigating Data Heterogeneity in Federated Learning: A Semi-Supervised Approach for Object Detection | 카이스트 | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| A Data-Free Approach to Mitigate Catastrophic Forgetting in Federated Class Incremental Learning for Vision Tasks | USC | NeurIPS | 2023년 | [PUB] [PDF] [CODE] |
| Is Heterogeneity Notorious? Taming Heterogeneity to Handle Test-Time Shift in Federated Learning | UTS | NeurIPS | 2023년 | [PUB] [SUPP] |
| One-Pass Distribution Sketch for Measuring Data Heterogeneity in Federated Learning | Rice University | NeurIPS | 2023년 | [PUB] [SUPP] [CODE] |
| Lockdown: Backdoor Defense for Federated Learning with Isolated Subspace Training | Gatech | NeurIPS | 2023년 | [PUB] [SUPP] [CODE] |
| FedGame: A Game-Theoretic Defense against Backdoor Attacks in Federated Learning | PSU; UIUC | NeurIPS | 2023년 | [PUB] [SUPP] [CODE] |
| Towards Personalized Federated Learning via Heterogeneous Model Reassembly | 파워서플라이 | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| Every Parameter Matters: Ensuring the Convergence of Federated Learning with Dynamic Heterogeneous Models Reduction | GWU | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| DFRD: Data-Free Robustness Distillation for Heterogeneous Federated Learning | ECNU | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| A Unified Solution for Privacy and Communication Efficiency in Vertical Federated Learning | Western University | NeurIPS | 2023년 | [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 | 2023년 | [PUB] [SUPP] [PDF] |
| Federated Learning with Bilateral Curation for Partially Class-Disjoint Data | SJTU; Shanghai AI Laboratory | NeurIPS | 2023년 | [PUB] [SUPP] [CODE] |
| Federated Learning with Client Subsampling, Data Heterogeneity, and Unbounded Smoothness: A New Algorithm and Lower Bounds | GMU; SJTU | NeurIPS | 2023년 | [PUB] [SUPP] [CODE] |
| FedL2P: Federated Learning to Personalize | University of Cambridge; Samsung AI Center | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| Adaptive Test-Time Personalization for Federated Learning | UIUC | NeurIPS | 2023년 | [PUB] [PDF] [CODE] |
| Federated Conditional Stochastic Optimization | University of Pittsburgh | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| Federated Spectral Clustering via Secure Similarity Reconstruction | CUHK | NeurIPS | 2023년 | [선술집] |
| Mobilizing Personalized Federated Learning in Infrastructure-Less and Heterogeneous Environments via Random Walk Stochastic ADMM | UM-Dearborn | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| FedGCN: Convergence-Communication Tradeoffs in Federated Training of Graph Convolutional Networks | CMU | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| Federated Multi-Objective Learning | RIT | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| FLuID: Mitigating Stragglers in Federated Learning using Invariant Dropout | University of British Columbia; Gatech | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| Resolving the Tug-of-War: A Separation of Communication and Learning in Federated Learning | University of Pittsburgh | NeurIPS | 2023년 | [PUB] [SUPP] |
| Communication-Efficient Federated Bilevel Optimization with Global and Local Lower Level Problems | University of Pittsburgh | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| StableFDG: Style and Attention Based Learning for Federated Domain Generalization | KAIST; Purdue University | NeurIPS | 2023년 | [PUB] [PDF] |
| Understanding How Consistency Works in Federated Learning via Stage-wise Relaxed Initialization | The University of Sydney | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| DELTA: Diverse Client Sampling for Fasting Federated Learning | CUHK; The Shenzhen Institute of Artificial Intelligence and Robotics for Society | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| Federated Compositional Deep AUC Maximization | Temple University | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| A3FL: Adversarially Adaptive Backdoor Attacks to Federated Learning | 파워서플라이 | NeurIPS | 2023년 | [PUB] [SUPP] [CODE] |
| Flow: Per-instance Personalized Federated Learning | University of Massachusetts | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| Eliminating Domain Bias for Federated Learning in Representation Space | SJTU | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| Federated Learning with Manifold Regularization and Normalized Update Reaggregation | 조금 | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| Structured Federated Learning through Clustered Additive Modeling | 시드니 기술대학교 | NeurIPS | 2023년 | [PUB] [SUPP] |
| Fed-GraB: Federated Long-tailed Learning with Self-Adjusting Gradient Balancer | ZJU; Singapore University of Technology and Design | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| Dynamic Personalized Federated Learning with Adaptive Differential Privacy | WHU | NeurIPS | 2023년 | [PUB] [SUPP] [CODE] |
| Fed-CO$_{2}$ : Cooperation of Online and Offline Models for Severe Data Heterogeneity in Federated Learning | ShanghaiTech University | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| Solving a Class of Non-Convex Minimax Optimization in Federated Learning | University of Pittsburgh | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| Federated Learning via Meta-Variational Dropout | 서울대학교 | NeurIPS | 2023년 | [PUB] [CODE] |
| Improved Communication Efficiency in Federated Natural Policy Gradient via ADMM-based Gradient Updates | Purdue University | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| SPACE: Single-round Participant Amalgamation for Contribution Evaluation in Federated Learning | NTU | NeurIPS | 2023년 | [PUB] [CODE] |
| Fed-FA: Theoretically Modeling Client Data Divergence for Federated Language Backdoor Defense | PKU; 텐센트 | NeurIPS | 2023년 | [PUB] [SUPP] |
| FedFed: Feature Distillation against Data Heterogeneity in Federated Learning | BUAA; HKBU | NeurIPS | 2023년 | [PUB] [PDF] [CODE] |
| PRIOR: Personalized Prior for Reactivating the Information Overlooked in Federated Learning | SCU | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] [解读] |
| Spectral Co-Distillation for Personalized Federated Learning | SUTD | NeurIPS | 2023년 | [선술집] |
| Breaking the Communication-Privacy-Accuracy Tradeoff with | ZJU | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| Exact Optimality of Communication-Privacy-Utility Tradeoffs in Distributed Mean Estimation | 스탠포드 대학 | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| (Amplified) Banded Matrix Factorization: A unified approach to private training | Google DeepMind | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| Aggregating Capacity in FL through Successive Layer Training for Computationally-Constrained Devices | 전부 | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| Privacy Amplification via Compression: Achieving the Optimal Privacy-Accuracy-Communication Trade-off in Distributed Mean Estimation | 스탠포드 대학 | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| Incentivizing Honesty among Competitors in Collaborative Learning and Optimization | ETH 취리히 | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| Resilient Constrained Learning | 유펜 | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| A Computation and Communication Efficient Method for Distributed Nonconvex Problems in the Partial Participation Setting | KAUST | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| Collaboratively Learning Linear Models with Structured Missing Data | 스탠포드 대학 | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| Gradient Descent with Linearly Correlated Noise: Theory and Applications to Differential Privacy | EPFL | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| Fast Optimal Locally Private Mean Estimation via Random Projections | 애플 주식회사 | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| Contextual Stochastic Bilevel Optimization | EPFL; ETH Zürich | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| Understanding Deep Gradient Leakage via Inversion Influence Functions | MSU; Michigan State University; University of Texas at Austin | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| Inner Product-based Neural Network Similarity | Purdue University | NeurIPS | 2023년 | [PUB] [SUPP] |
| Correlation Aware Sparsified Mean Estimation Using Random Projection | CMU | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| TIES-Merging: Resolving Interference When Merging Models | UNC | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| Global Update Tracking: A Decentralized Learning Algorithm for Heterogeneous Data | Purdue University | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| Large-Scale Distributed Learning via Private On-Device LSH | UMD | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| Faster Relative Entropy Coding with Greedy Rejection Coding | University of Cambridge | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| Global Convergence Analysis of Local SGD for Two-layer Neural Network without Overparameterization | SJTU | NeurIPS | 2023년 | [PUB] [SUPP] |
| Momentum Provably Improves Error Feedback! | ETH AI Center; ETH 취리히 | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| Strategic Data Sharing between Competitors | Sofia University | NeurIPS | 2023년 | [PUB] [SUPP] [PDF] |
| H-nobs: Achieving Certified Fairness and Robustness in Distributed Learning on Heterogeneous Datasets | GMU | NeurIPS | 2023년 | [선술집] |
| Wyze Rule: Federated Rule Dataset for Rule Recommendation Benchmarking | Wyze Labs | NeurIPS Datasets and Benchmarks | 2023년 | [PUB] [SUPP] [DATASET] |
| Towards Federated Foundation Models: Scalable Dataset Pipelines for Group-Structured Learning | Google Research | NeurIPS Datasets and Benchmarks | 2023년 | [PUB] [PDF] [DATASET] |
| Text-driven Prompt Generation for Vision-Language Models in Federated Learning | NeurIPS workshop | 2023년 | [선술집] | |
| HePCo: Data-Free Heterogeneous Prompt Consolidation for Continual Federated Learning | NeurIPS workshop | 2023년 | [선술집] | |
| Beyond Gradient and Priors in Privacy Attacks: Leveraging Pooler Layer Inputs of Language Models in Federated Learning | NeurIPS workshop | 2023년 | [선술집] | |
| FOCUS: Fairness via Agent-Awareness for Federated Learning on Heterogeneous Data | NeurIPS workshop | 2023년 | [선술집] | |
| FedSoL: Bridging Global Alignment and Local Generality in Federated Learning | NeurIPS workshop | 2023년 | [선술집] | |
| One-shot Empirical Privacy Estimation for Federated Learning | NeurIPS workshop | 2023년 | [선술집] | |
| Profit: Benchmarking Personalization and Robustness Trade-off in Federated Prompt Tuning | NeurIPS workshop | 2023년 | [선술집] | |
| SLoRA: Federated Parameter Efficient Fine-Tuning of Language Models | NeurIPS workshop | 2023년 | [선술집] | |
| The Fair Value of Data Under Heterogeneous Privacy Constraints in Federated Learning | NeurIPS workshop | 2023년 | [선술집] | |
| Towards Building the FederatedGPT: Federated Instruction Tuning | NeurIPS workshop | 2023년 | [선술집] | |
| Federated Learning for Speech Recognition: Revisiting Current Trends Towards Large-Scale ASR | NeurIPS workshop | 2023년 | [선술집] | |
| LASER: Linear Compression in Wireless Distributed Optimization | NeurIPS workshop | 2023년 | [선술집] | |
| MARINA Meets Matrix Stepsizes: Variance Reduced Distributed Non-Convex Optimization | NeurIPS workshop | 2023년 | [선술집] | |
| TAMUNA: Doubly Accelerated Federated Learning with Local Training, Compression, and Partial Participation | NeurIPS workshop | 2023년 | [선술집] | |
| An Empirical Evaluation of Federated Contextual Bandit Algorithms | NeurIPS workshop | 2023년 | [선술집] | |
| RealFM: A Realistic Mechanism to Incentivize Data Contribution and Device Participation | NeurIPS workshop | 2023년 | [선술집] | |
| FDAPT: Federated Domain-adaptive Pre-training for Language Models | NeurIPS workshop | 2023년 | [선술집] | |
| Making Batch Normalization Great in Federated Deep Learning | NeurIPS workshop | 2023년 | [선술집] | |
| Correlated Noise Provably Beats Independent Noise for Differentially Private Learning | NeurIPS workshop | 2023년 | [선술집] | |
| Parameter Averaging Laws for Multitask Language Models | NeurIPS workshop | 2023년 | [선술집] | |
| Breaking Physical and Linguistic Borders: Multilingual Federated Prompt Tuning for Low-Resource Languages | NeurIPS workshop | 2023년 | [선술집] | |
| Beyond Parameter Averaging in Model Aggregation | NeurIPS workshop | 2023년 | [선술집] | |
| Augmenting Federated Learning with Pretrained Transformers | NeurIPS workshop | 2023년 | [선술집] | |
| Consensus Optimization at Representation: Improving Personalized Federated Learning via Data-Centric Regularization | NeurIPS workshop | 2023년 | [선술집] | |
| DPZero: Dimension-Independent and Differentially Private Zeroth-Order Optimization | NeurIPS workshop | 2023년 | [선술집] | |
| Leveraging Foundation Models to Improve Lightweight Clients in Federated Learning | NeurIPS workshop | 2023년 | [선술집] | |
| FedML-HE: An Efficient Homomorphic-Encryption-Based Privacy-Preserving Federated Learning System | NeurIPS workshop | 2023년 | [선술집] | |
| Learning Optimizers for Local SGD | NeurIPS workshop | 2023년 | [선술집] | |
| Exploring User-level Gradient Inversion with a Diffusion Prior | NeurIPS workshop | 2023년 | [선술집] | |
| User Inference Attacks on Large Language Models | NeurIPS workshop | 2023년 | [선술집] | |
| FedLDA: Personalized Federated Learning Through Collaborative Linear Discriminant Analysis | NeurIPS workshop | 2023년 | [선술집] | |
| Heterogeneous LoRA for Federated Fine-tuning of On-device Foundation Models | NeurIPS workshop | 2023년 | [선술집] | |
| Backdoor Threats from Compromised Foundation Models to Federated Learning | NeurIPS workshop | 2023년 | [선술집] | |
| MOFL/D: A Federated Multi-objective Learning Framework with Decomposition | NeurIPS workshop | 2023년 | [선술집] | |
| Absolute Variation Distance: an Inversion Attack Evaluation Metric for Federated Learning | NeurIPS workshop | 2023년 | [선술집] | |
| Fed3R: Recursive Ridge Regression for Federated Learning with strong pre-trained models | NeurIPS workshop | 2023년 | [선술집] | |
| FedFN: Feature Normalization for Alleviating Data Heterogeneity Problem in Federated Learning | NeurIPS workshop | 2023년 | [선술집] | |
| Private and Personalized Histogram Estimation in a Federated Setting | NeurIPS workshop | 2023년 | [선술집] | |
| The Aggregation–Heterogeneity Trade-off in Federated Learning | PKU | 망아지 | 2023년 | [선술집] |
| FLASH: Automating federated learning using CASH | Rensselaer Polytechnic Institute | UAI | 2023년 | [PUB] [SUPP] [MATERIAL] |
| Personalized federated domain adaptation for item-to-item recommendation | AWS AI Labs | UAI | 2023년 | [PUB] [PDF] [SUPP] [MATERIAL] [CODE] |
| Fed-LAMB: Layer-wise and Dimension-wise Locally Adaptive Federated Learning | Baidu Research | UAI | 2023년 | [PUB] [PDF] [SUPP] [MATERIAL] |
| Federated learning of models pre-trained on different features with consensus graphs | IBM Research | UAI | 2023년 | [PUB] [SUPP] [MATERIAL] [CODE] |
| Fast Heterogeneous Federated Learning with Hybrid Client Selection | NWPU | UAI | 2023년 | [PUB] [SUPP] [MATERIAL] [PDF] |
| Learning To Invert: Simple Adaptive Attacks for Gradient Inversion in Federated Learning | Cornell University | UAI | 2023년 | [PUB] [PDF] [SUPP] [MATERIAL] [CODE] |
| Dynamic Regularized Sharpness Aware Minimization in Federated Learning: Approaching Global Consistency and Smooth Landscape | The University of Sydney | ICML | 2023년 | [PUB] [PDF] [SLIDES] |
| Analysis of Error Feedback in Federated Non-Convex Optimization with Biased Compression: Fast Convergence and Partial Participation | LinkedIn Ads | ICML | 2023년 | [PUB] [PDF] |
| FedHPO-Bench: A Benchmark Suite for Federated Hyperparameter Optimization | 알리바바 그룹 | ICML | 2023년 | [PUB] [PDF] [CODE] |
| Federated Conformal Predictors for Distributed Uncertainty Quantification | MIT | ICML | 2023년 | [PUB] [PDF] [CODE] |
| Federated Adversarial Learning: A Framework with Convergence Analysis | UBC | ICML | 2023년 | [PUB] [PDF] |
| Federated Heavy Hitter Recovery under Linear Sketching | Google Research | ICML | 2023년 | [PUB] [PDF] [CODE] |
| Doubly Adversarial Federated Bandits | London School of Economics and Political Science | ICML | 2023년 | [PUB] [PDF] [CODE] |
| Achieving Linear Speedup in Non-IID Federated Bilevel Learning | UC | ICML | 2023년 | [PUB] [PDF] |
| One-Shot Federated Conformal Prediction | Université Paris-Saclay | ICML | 2023년 | [PUB] [PDF] [CODE] |
| Federated Online and Bandit Convex Optimization | TTIC | ICML | 2023년 | [선술집] |
| Federated Linear Contextual Bandits with User-level Differential Privacy | The Pennsylvania State University | ICML | 2023년 | [PUB] [PDF] |
| Vertical Federated Graph Neural Network for Recommender System | NUS | ICML | 2023년 | [PUB] [PDF] [CODE] |
| Communication-Efficient Federated Hypergradient Computation via Aggregated Iterative Differentiation | 버팔로 대학교 | ICML | 2023년 | [PUB] [PDF] |
| Towards Understanding Ensemble Distillation in Federated Learning | 카이스트 | ICML | 2023년 | [선술집] |
| Personalized Subgraph Federated Learning | 카이스트 | ICML | 2023년 | [PUB] [PDF] [CODE] |
| Conformal Prediction for Federated Uncertainty Quantification Under Label Shift | Lagrange Mathematics and Computing Research Center; CMAP | ICML | 2023년 | [PUB] [PDF] |
| Secure Federated Correlation Test and Entropy Estimation | CMU | ICML | 2023년 | [PUB] [PDF] |
| Out-of-Distribution Generalization of Federated Learning via Implicit Invariant Relationships | JLU | ICML | 2023년 | [PUB] [CODE] |
| Personalized Federated Learning under Mixture of Distributions | UCLA | ICML | 2023년 | [PUB] [PDF] [CODE] |
| FedDisco: Federated Learning with Discrepancy-Aware Collaboration | SJTU | ICML | 2023년 | [PUB] [PDF] [CODE] |
| Anchor Sampling for Federated Learning with Partial Client Participation | Purdue University | ICML | 2023년 | [PUB] [PDF] [CODE] |
| Private Federated Learning with Autotuned Compression | JHU; Google | ICML | 2023년 | [PUB] [PDF] |
| Fast Federated Machine Unlearning with Nonlinear Functional Theory | Auburn University | ICML | 2023년 | [선술집] |
| On the Convergence of Federated Averaging with Cyclic Client Participation | CMU | ICML | 2023년 | [PUB] [PDF] |
| Revisiting Weighted Aggregation in Federated Learning with Neural Networks | ZJU | ICML | 2023년 | [PUB] [PDF] [CODE] |
| The Blessing of Heterogeneity in Federated Q-Learning: Linear Speedup and Beyond | CMU | ICML | 2023년 | [PUB] [PDF] [SLIDES] |
| GuardHFL: Privacy Guardian for Heterogeneous Federated Learning | UESTC; NTU | ICML | 2023년 | [선술집] |
| Flash: Concept Drift Adaptation in Federated Learning | University of Massachusetts | ICML | 2023년 | [선술집] |
| DoCoFL: Downlink Compression for Cross-Device Federated Learning | VMware Research; Technion | ICML | 2023년 | [PUB] [PDF] |
| FeDXL: Provable Federated Learning for Deep X-Risk Optimization | Texas A&M University | ICML | 2023년 | [PUB] [PDF] [CODE] |
| No One Idles: Efficient Heterogeneous Federated Learning with Parallel Edge and Server Computation | 때리다 | ICML | 2023년 | [PUB] [CODE] |
| Personalized Federated Learning with Inferred Collaboration Graphs | SJTU | ICML | 2023년 | [PUB] [CODE] |
| Optimizing the Collaboration Structure in Cross-Silo Federated Learning | UIUC | ICML | 2023년 | [PUB] [PDF] [CODE] [SLIDES] |
| TabLeak: Tabular Data Leakage in Federated Learning | ETH 취리히 | ICML | 2023년 | [PUB] [PDF] [CODE] |
| FedCR: Personalized Federated Learning Based on Across-Client Common Representation with Conditional Mutual Information Regularization | SJTU | ICML | 2023년 | [PUB] [CODE] |
| Fed-CBS: A Heterogeneity-Aware Client Sampling Mechanism for Federated Learning via Class-Imbalance Reduction | Duke University | ICML | 2023년 | [PUB] [PDF] |
| Privacy-Aware Compression for Federated Learning Through Numerical Mechanism Design | 메타AI | ICML | 2023년 | [PUB] [PDF] [CODE] |
| SRATTA: Sample Re-ATTribution Attack of Secure Aggregation in Federated Learning | Owkin Inc. | ICML | 2023년 | [PUB] [PDF] [CODE] |
| Improving the Model Consistency of Decentralized Federated Learning | 목 | ICML | 2023년 | [PUB] [PDF] |
| Efficient Personalized Federated Learning via Sparse Model-Adaptation | 알리바바 그룹 | ICML | 2023년 | [PUB] [PDF] [CODE] |
| From Noisy Fixed-Point Iterations to Private ADMM for Centralized and Federated Learning | 대학 Lille | ICML | 2023년 | [PUB] [PDF] [CODE] |
| LeadFL: Client Self-Defense against Model Poisoning in Federated Learning | TUD | ICML | 2023년 | [PUB] [CODE] |
| Chameleon: Adapting to Peer Images for Planting Durable Backdoors in Federated Learning | HKUST | ICML | 2023년 | [PUB] [PDF] [CODE] |
| FedVS: Straggler-Resilient and Privacy-Preserving Vertical Federated Learning for Split Models | HKUST | ICML | 2023년 | [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 | 2023년 | [PUB] [PDF] [CODE] |
| Towards Unbiased Training in Federated Open-world Semi-supervised Learning | PolyU | ICML | 2023년 | [PUB] [PDF] [SLIDES] |
| Cocktail Party Attack: Breaking Aggregation-Based Privacy in Federated Learning Using Independent Component Analysis | Georgia Tech; 메타AI | ICML | 2023년 | [PUB] [PDF] |
| Surrogate Model Extension (SME): A Fast and Accurate Weight Update Attack on Federated Learning | KU 루벤 | ICML | 2023년 | [PUB] [PDF] [CODE] |
| Fair yet Asymptotically Equal Collaborative Learning | NUS | ICML | 2023년 | [PUB] [PDF] [CODE] |
| Sketching for First Order Method: Efficient Algorithm for Low-Bandwidth Channel and Vulnerability | Adobe Research | ICML | 2023년 | [PUB] [PDF] |
| Adversarial Collaborative Learning on Non-IID Features | UC Berkeley; NUS | ICML | 2023년 | [선술집] |
| XTab: Cross-table Pretraining for Tabular Transformers | EPFL; Cornell University; AWS | ICML | 2023년 | [PUB] [PDF] [CODE] |
| Momentum Ensures Convergence of SIGNSGD under Weaker Assumptions | NUDT | ICML | 2023년 | [선술집] |
| Byzantine-Robust Learning on Heterogeneous Data via Gradient Splitting | Key Lab of Intelligent Computing Based Big Data of Zhejiang Province; ZJU; Sony Al | ICML | 2023년 | [PUB] [PDF] [CODE] |
| LESS-VFL: Communication-Efficient Feature Selection for Vertical Federated Learning | Rensselaer Polytechnic Institute | ICML | 2023년 | [PUB] [PDF] |
| FedAvg Converges to Zero Training Loss Linearly for Overparameterized Multi-Layer Neural Networks | 미네소타대학교 | ICML | 2023년 | [선술집] |
| Addressing Budget Allocation and Revenue Allocation in Data Market Environments Using an Adaptive Sampling Algorithm | University of Chicago | ICML | 2023년 | [PUB] [PDF] [CODE] |
| Ensemble and continual federated learning for classification tasks. | Universidade de Santiago de Compostela | Mach Learn | 2023년 | [PUB] [PDF] |
| FAC-fed: Federated adaptation for fairness and concept drift aware stream classification | Leibniz University of Hannover | Mach Learn | 2023년 | [선술집] |
| Robust federated learning under statistical heterogeneity via hessian-weighted aggregation | Deakin University | Mach Learn | 2023년 | [선술집] |
| FedLab: A Flexible Federated Learning Framework | UESTC; Peng Cheng Lab | JMLR | 2023년 | [PUB] [PDF] [CODE] |
| Minimax Estimation for Personalized Federated Learning: An Alternative between FedAvg and Local Training? | JMLR | 2023년 | [선술집] | |
| Memory-Based Optimization Methods for Model-Agnostic Meta-Learning and Personalized Federated Learning | TAMU | JMLR | 2023년 | [PUB] [PDF] [CODE] |
| A First Look into the Carbon Footprint of Federated Learning | University of Cambridge | JMLR | 2023년 | [PUB] [PDF] |
| Attacks against Federated Learning Defense Systems and their Mitigation | The University of Newcastle | JMLR | 2023년 | [PUB] [CODE] |
| A General Theory for Federated Optimization with Asynchronous and Heterogeneous Clients Updates | Universit ́e Cˆ ote d'Azur | JMLR | 2023년 | [PUB] [PDF] [CODE] |
| Tighter Regret Analysis and Optimization of Online Federated Learning | 한양대학교 | TPAMI | 2023년 | [PUB] [PDF] |
| Efficient Federated Learning Via Local Adaptive Amended Optimizer With Linear Speedup | University of Sydney | TPAMI | 2023년 | [PDF] |
| Federated Learning Via Inexact ADMM. | BJTU | TPAMI | 2023년 | [PUB] [PDF] [CODE] |
| FedIPR: Ownership Verification for Federated Deep Neural Network Models | SJTU | TPAMI | 2023년 | [PUB] [PDF] [CODE] [解读] |
| Decentralized Federated Averaging | NUDT | TPAMI | 2023년 | [PUB] [PDF] |
| Personalized Federated Learning with Feature Alignment and Classifier Collaboration | 목 | ICLR | 2023년 | [PUB] [CODE] |
| MocoSFL: enabling cross-client collaborative self-supervised learning | ASU | ICLR | 2023년 | [PUB] [CODE] |
| Single-shot General Hyper-parameter Optimization for Federated Learning | IBM | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| Where to Begin? Exploring the Impact of Pre-Training and Initialization in Federated | 페이스북 | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| FedExP: Speeding up Federated Averaging via Extrapolation | CMU | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| Turning the Curse of Heterogeneity in Federated Learning into a Blessing for Out-of-Distribution Detection | MSU | ICLR | 2023년 | [PUB] [CODE] |
| DASHA: Distributed Nonconvex Optimization with Communication Compression and Optimal Oracle Complexity | KAUST | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| Machine Unlearning of Federated Clusters | University of Illinois | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| Federated Neural Bandits | NUS | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| FedFA: Federated Feature Augmentation | ETH 취리히 | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| Federated Learning as Variational Inference: A Scalable Expectation Propagation Approach | CMU | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| Better Generative Replay for Continual Federated Learning | 버지니아 대학교 | ICLR | 2023년 | [PUB] [CODE] |
| Federated Learning from Small Datasets | IKIM | ICLR | 2023년 | [PUB] [PDF] |
| Federated Nearest Neighbor Machine Translation | USTC | ICLR | 2023년 | [PUB] [PDF] |
| Meta Knowledge Condensation for Federated Learning | A*STAR | ICLR | 2023년 | [PUB] [PDF] |
| Test-Time Robust Personalization for Federated Learning | EPFL | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| DepthFL : Depthwise Federated Learning for Heterogeneous Clients | 서울대학교 | ICLR | 2023년 | [선술집] |
| Towards Addressing Label Skews in One-Shot Federated Learning | NUS | ICLR | 2023년 | [PUB] [CODE] |
| Towards Understanding and Mitigating Dimensional Collapse in Heterogeneous Federated Learning | NUS | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| Panning for Gold in Federated Learning: Targeted Text Extraction under Arbitrarily Large-Scale Aggregation | UMD | ICLR | 2023년 | [PUB] [CODE] |
| SWIFT: Rapid Decentralized Federated Learning via Wait-Free Model Communication | UMD | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| Private Federated Learning Without a Trusted Server: Optimal Algorithms for Convex Losses | USC | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| Effective passive membership inference attacks in federated learning against overparameterized models | Purdue University | ICLR | 2023년 | [선술집] |
| FiT: Parameter Efficient Few-shot Transfer Learning for Personalized and Federated Image Classification | University of Cambridge | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| Multimodal Federated Learning via Contrastive Representation Ensemble | 목 | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| Faster federated optimization under second-order similarity | 프린스턴 대학교 | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| FedSpeed: Larger Local Interval, Less Communication Round, and Higher Generalization Accuracy | University of Sydney | ICLR | 2023년 | [PUB] [CODE] |
| The Best of Both Worlds: Accurate Global and Personalized Models through Federated Learning with Data-Free Hyper-Knowledge Distillation | 유텍사스 | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| PerFedMask: Personalized Federated Learning with Optimized Masking Vectors | UBC | ICLR | 2023년 | [PUB] [CODE] |
| EPISODE: Episodic Gradient Clipping with Periodic Resampled Corrections for Federated Learning with Heterogeneous Data | GMU | ICLR | 2023년 | [PUB] [CODE] |
| FedDAR: Federated Domain-Aware Representation Learning | 하버드 | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| Share Your Representation Only: Guaranteed Improvement of the Privacy-Utility Tradeoff in Federated Learning | 우펜 | ICLR | 2023년 | [PUB] [CODE] |
| FLIP: A Provable Defense Framework for Backdoor Mitigation in Federated Learning | Purdue University | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| Generalization Bounds for Federated Learning: Fast Rates, Unparticipating Clients and Unbounded Losses | RUC | ICLR | 2023년 | [선술집] |
| Efficient Federated Domain Translation | Purdue University | ICLR | 2023년 | [PUB] [CODE] |
| On the Importance and Applicability of Pre-Training for Federated Learning | OSU | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| Decepticons: Corrupted Transformers Breach Privacy in Federated Learning for Language Models | UMD | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| A Statistical Framework for Personalized Federated Learning and Estimation: Theory, Algorithms, and Privacy | UCLA | ICLR | 2023년 | [PUB] [PDF] |
| Instance-wise Batch Label Restoration via Gradients in Federated Learning | BUAA | ICLR | 2023년 | [PUB] [CODE] |
| Data-Free One-Shot Federated Learning Under Very High Statistical Heterogeneity | College of William and Mary | ICLR | 2023년 | [선술집] |
| CANIFE: Crafting Canaries for Empirical Privacy Measurement in Federated Learning | University of Warwick | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| Sparse Random Networks for Communication-Efficient Federated Learning | 스탠포드 | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| Combating Exacerbated Heterogeneity for Robust Decentralized Models | HKBU | ICLR | 2023년 | [PUB] [CODE] |
| Hyperparameter Optimization through Neural Network Partitioning | University of Cambridge | ICLR | 2023년 | [PUB] [PDF] |
| Does Decentralized Learning with Non-IID Unlabeled Data Benefit from Self Supervision? | MIT | ICLR | 2023년 | [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 | 2023년 | [PUB] [PDF] [CODE] |
| Dual Diffusion Implicit Bridges for Image-to-Image Translation | 스탠포드 | ICLR | 2023년 | [PUB] [PDF] [CODE] |
| An accurate, scalable and verifiable protocol for federated differentially private averaging | INRIA Lille | Mach Learn | 2022년 | [PUB] [PDF] |
| Federated online clustering of bandits. | CUHK | UAI | 2022년 | [PUB] [PDF] [CODE] |
| Privacy-aware compression for federated data analysis. | 메타AI | UAI | 2022년 | [PUB] [PDF] [CODE] |
| Faster non-convex federated learning via global and local momentum. | UTEXAS | UAI | 2022년 | [PUB] [PDF] |
| Fedvarp: Tackling the variance due to partial client participation in federated learning. | CMU | UAI | 2022년 | [PUB] [PDF] |
| SASH: Efficient secure aggregation based on SHPRG for federated learning | CAS; CASTEST | UAI | 2022년 | [PUB] [PDF] |
| Bayesian federated estimation of causal effects from observational data | NUS | UAI | 2022년 | [PUB] [PDF] |
| Communication-Efficient Randomized Algorithm for Multi-Kernel Online Federated Learning | 한양대학교 | TPAMI | 2022년 | [선술집] |
| Lazily Aggregated Quantized Gradient Innovation for Communication-Efficient Federated Learning | ZJU | TPAMI | 2022년 | [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 | 2022년 | [PUB] [PDF] |
| LAMP: Extracting Text from Gradients with Language Model Priors | ETHZ | NeurIPS | 2022년 | [PUB] [CODE] |
| FedAvg with Fine Tuning: Local Updates Lead to Representation Learning | 유텍사스 | NeurIPS | 2022년 | [PUB] [PDF] |
| On Convergence of FedProx: Local Dissimilarity Invariant Bounds, Non-smoothness and Beyond | NUIST | NeurIPS | 2022년 | [PUB] [PDF] |
| Improved Differential Privacy for SGD via Optimal Private Linear Operators on Adaptive Streams | WISC | NeurIPS | 2022년 | [PUB] [CODE] |
| Decentralized Gossip-Based Stochastic Bilevel Optimization over Communication Networks | 컬럼비아대학교 | NeurIPS | 2022년 | [PUB] [PDF] |
| Asymptotic Behaviors of Projected Stochastic Approximation: A Jump Diffusion Perspective | PKU | NeurIPS | 2022년 | [선술집] |
| Subspace Recovery from Heterogeneous Data with Non-isotropic Noise | 스탠포드 | NeurIPS | 2022년 | [PUB] [PDF] |
| EF-BV: A Unified Theory of Error Feedback and Variance Reduction Mechanisms for Biased and Unbiased Compression in Distributed Optimization | KAUST | NeurIPS | 2022년 | [PUB] [PDF] |
| On-Demand Sampling: Learning Optimally from Multiple Distributions | UC 버클리 | NeurIPS | 2022년 | [PUB] [CODE] |
| Improved Utility Analysis of Private CountSketch | ITU | NeurIPS | 2022년 | [PUB] [PDF] [CODE] |
| Rate-Distortion Theoretic Bounds on Generalization Error for Distributed Learning | 화웨이 | NeurIPS | 2022년 | [PUB] [CODE] |
| Decentralized Local Stochastic Extra-Gradient for Variational Inequalities | phystech | NeurIPS | 2022년 | [PUB] [PDF] |
| BEER: Fast O(1/T) Rate for Decentralized Nonconvex Optimization with Communication Compression | 프린스턴 | NeurIPS | 2022년 | [PUB] [PDF] [CODE] |
| Escaping Saddle Points with Bias-Variance Reduced Local Perturbed SGD for Communication Efficient Nonconvex Distributed Learning | The University of Tokyo | NeurIPS | 2022년 | [PUB] [PDF] |
| Near-Optimal Collaborative Learning in Bandits | INRIA; Inserm | NeurIPS | 2022년 | [PUB] [PDF] [CODE] |
| Distributed Methods with Compressed Communication for Solving Variational Inequalities, with Theoretical Guarantees | phystech | NeurIPS | 2022년 | [PUB] [PDF] |
| Towards Optimal Communication Complexity in Distributed Non-Convex Optimization | TTIC | NeurIPS | 2022년 | [PUB] [CODE] |
| FedPop: A Bayesian Approach for Personalised Federated Learning | Skoltech | NeurIPS | 2022년 | [PUB] [PDF] |
| Fairness in Federated Learning via Core-Stability | UIUC | NeurIPS | 2022년 | [PUB] [CODE] |
| SecureFedYJ: a safe feature Gaussianization protocol for Federated Learning | Sorbonne Université | NeurIPS | 2022년 | [PUB] [PDF] |
| FedRolex: Model-Heterogeneous Federated Learning with Rolling Submodel Extraction | MSU | NeurIPS | 2022년 | [PUB] [CODE] |
| On Sample Optimality in Personalized Collaborative and Federated Learning | INRIA | NeurIPS | 2022년 | [선술집] |
| DReS-FL: Dropout-Resilient Secure Federated Learning for Non-IID Clients via Secret Data Sharing | HKUST | NeurIPS | 2022년 | [PUB] [PDF] |
| FairVFL: A Fair Vertical Federated Learning Framework with Contrastive Adversarial Learning | 목 | NeurIPS | 2022년 | [선술집] |
| Variance Reduced ProxSkip: Algorithm, Theory and Application to Federated Learning | KAUST | NeurIPS | 2022년 | [PUB] [PDF] |
| VF-PS: How to Select Important Participants in Vertical Federated Learning, Efficiently and Securely? | WHU | NeurIPS | 2022년 | [PUB] [CODE] |
| DENSE: Data-Free One-Shot Federated Learning | ZJU | NeurIPS | 2022년 | [PUB] [PDF] |
| CalFAT: Calibrated Federated Adversarial Training with Label Skewness | ZJU | NeurIPS | 2022년 | [PUB] [PDF] |
| SAGDA: Achieving O(ϵ−2) Communication Complexity in Federated Min-Max Learning | OSU | NeurIPS | 2022년 | [PUB] [PDF] |
| Taming Fat-Tailed (“Heavier-Tailed” with Potentially Infinite Variance) Noise in Federated Learning | OSU | NeurIPS | 2022년 | [PUB] [PDF] |
| Personalized Federated Learning towards Communication Efficiency, Robustness and Fairness | PKU | NeurIPS | 2022년 | [선술집] |
| Federated Submodel Optimization for Hot and Cold Data Features | SJTU | NeurIPS | 2022년 | [선술집] |
| BooNTK: Convexifying Federated Learning using Bootstrapped Neural Tangent Kernels | UC 버클리 | NeurIPS | 2022년 | [PUB] [PDF] |
| Byzantine-tolerant federated Gaussian process regression for streaming data | 파워서플라이 | NeurIPS | 2022년 | [PUB] [CODE] |
| SoteriaFL: A Unified Framework for Private Federated Learning with Communication Compression | CMU | NeurIPS | 2022년 | [PUB] [PDF] |
| Coresets for Vertical Federated Learning: Regularized Linear Regression and K-Means Clustering | 예일 대학 | NeurIPS | 2022년 | [PUB] [PDF] [CODE] |
| Communication Efficient Federated Learning for Generalized Linear Bandits | 버지니아 대학교 | NeurIPS | 2022년 | [PUB] [CODE] |
| Recovering Private Text in Federated Learning of Language Models | 프린스턴 | NeurIPS | 2022년 | [PUB] [PDF] [CODE] |
| Federated Learning from Pre-Trained Models: A Contrastive Learning Approach | UTS | NeurIPS | 2022년 | [PUB] [PDF] |
| Global Convergence of Federated Learning for Mixed Regression | Northeastern University | NeurIPS | 2022년 | [PUB] [PDF] |
| Resource-Adaptive Federated Learning with All-In-One Neural Composition | JHU | NeurIPS | 2022년 | [선술집] |
| Self-Aware Personalized Federated Learning | 아마존 | NeurIPS | 2022년 | [PUB] [PDF] |
| A Communication-efficient Algorithm with Linear Convergence for Federated Minimax Learning | Northeastern University | NeurIPS | 2022년 | [PUB] [PDF] |
| An Adaptive Kernel Approach to Federated Learning of Heterogeneous Causal Effects | NUS | NeurIPS | 2022년 | [선술집] |
| Sharper Convergence Guarantees for Asynchronous SGD for Distributed and Federated Learning | EPFL | NeurIPS | 2022년 | [PUB] [PDF] |
| Personalized Online Federated Multi-Kernel Learning | UCI | NeurIPS | 2022년 | [선술집] |
| SemiFL: Semi-Supervised Federated Learning for Unlabeled Clients with Alternate Training | Duke University | NeurIPS | 2022년 | [PUB] [PDF] [CODE] |
| A Unified Analysis of Federated Learning with Arbitrary Client Participation | IBM | NeurIPS | 2022년 | [PUB] [PDF] |
| Preservation of the Global Knowledge by Not-True Distillation in Federated Learning | 카이스트 | NeurIPS | 2022년 | [PUB] [PDF] [CODE] |
| FedSR: A Simple and Effective Domain Generalization Method for Federated Learning | University of Oxford | NeurIPS | 2022년 | [PUB] [CODE] |
| Factorized-FL: Personalized Federated Learning with Parameter Factorization & Similarity Matching | 카이스트 | NeurIPS | 2022년 | [PUB] [PDF] [CODE] |
| A Simple and Provably Efficient Algorithm for Asynchronous Federated Contextual Linear Bandits | UC | NeurIPS | 2022년 | [PUB] [PDF] |
| Learning to Attack Federated Learning: A Model-based Reinforcement Learning Attack Framework | Tulane University | NeurIPS | 2022년 | [선술집] |
| On Privacy and Personalization in Cross-Silo Federated Learning | CMU | NeurIPS | 2022년 | [PUB] [PDF] |
| A Coupled Design of Exploiting Record Similarity for Practical Vertical Federated Learning | NUS | NeurIPS | 2022년 | [PUB] [PDF] [CODE] |
| FLamby: Datasets and Benchmarks for Cross-Silo Federated Learning in Realistic Healthcare Settings | Owkin | NeurIPS Datasets and Benchmarks | 2022년 | [PUB] [CODE] |
| A Tree-based Model Averaging Approach for Personalized Treatment Effect Estimation from Heterogeneous Data Sources | University of Pittsburgh | ICML | 2022년 | [PUB] [PDF] [CODE] |
| Fast Composite Optimization and Statistical Recovery in Federated Learning | SJTU | ICML | 2022년 | [PUB] [PDF] [CODE] |
| Personalization Improves Privacy-Accuracy Tradeoffs in Federated Learning | NYU | ICML | 2022년 | [PUB] [PDF] [CODE] |
| The Fundamental Price of Secure Aggregation in Differentially Private Federated Learning | Stanford; Google Research | ICML | 2022년 | [PUB] [PDF] [CODE] [SLIDE] |
| The Poisson Binomial Mechanism for Unbiased Federated Learning with Secure Aggregation | Stanford; Google Research | ICML | 2022년 | [PUB] [PDF] [CODE] |
| DisPFL: Towards Communication-Efficient Personalized Federated Learning via Decentralized Sparse Training | USTC | ICML | 2022년 | [PUB] [PDF] [CODE] |
| FedNew: A Communication-Efficient and Privacy-Preserving Newton-Type Method for Federated Learning | University of Oulu | ICML | 2022년 | [PUB] [PDF] [CODE] |
| DAdaQuant: Doubly-adaptive quantization for communication-efficient Federated Learning | University of Cambridge | ICML | 2022년 | [PUB] [PDF] [SLIDE] [CODE] |
| Accelerated Federated Learning with Decoupled Adaptive Optimization | Auburn University | ICML | 2022년 | [PUB] [PDF] |
| Federated Reinforcement Learning: Linear Speedup Under Markovian Sampling | Georgia Tech | ICML | 2022년 | [PUB] [PDF] |
| Multi-Level Branched Regularization for Federated Learning | 서울대학교 | ICML | 2022년 | [PUB] [PDF] [CODE] [PAGE] |
| FedScale: Benchmarking Model and System Performance of Federated Learning at Scale | University of Michigan | ICML | 2022년 | [PUB] [PDF] [CODE] |
| Federated Learning with Positive and Unlabeled Data | XJTU | ICML | 2022년 | [PUB] [PDF] [CODE] |
| Deep Neural Network Fusion via Graph Matching with Applications to Model Ensemble and Federated Learning | SJTU | ICML | 2022년 | [PUB] [CODE] |
| Orchestra: Unsupervised Federated Learning via Globally Consistent Clustering | University of Michigan | ICML | 2022년 | [PUB] [PDF] [CODE] |
| Disentangled Federated Learning for Tackling Attributes Skew via Invariant Aggregation and Diversity Transferring | USTC | ICML | 2022년 | [PUB] [PDF] [CODE] [SLIDE] [解读] |
| Architecture Agnostic Federated Learning for Neural Networks | The University of Texas at Austin | ICML | 2022년 | [PUB] [PDF] [SLIDE] |
| Personalized Federated Learning through Local Memorization | Inria | ICML | 2022년 | [PUB] [PDF] [CODE] |
| Proximal and Federated Random Reshuffling | KAUST | ICML | 2022년 | [PUB] [PDF] [CODE] |
| Federated Learning with Partial Model Personalization | University of Washington | ICML | 2022년 | [PUB] [PDF] [CODE] |
| Generalized Federated Learning via Sharpness Aware Minimization | 사우스플로리다대학교 | ICML | 2022년 | [PUB] [PDF] |
| FedNL: Making Newton-Type Methods Applicable to Federated Learning | KAUST | ICML | 2022년 | [PUB] [PDF] [VIDEO] [SLIDE] |
| Federated Minimax Optimization: Improved Convergence Analyses and Algorithms | CMU | ICML | 2022년 | [PUB] [PDF] [SLIDE] |
| Virtual Homogeneity Learning: Defending against Data Heterogeneity in Federated Learning | Hong Kong Baptist University | ICML | 2022년 | [PUB] [PDF] [CODE] [解读] |
| FedNest: Federated Bilevel, Minimax, and Compositional Optimization | University of Michigan | ICML | 2022년 | [PUB] [PDF] [CODE] |
| EDEN: Communication-Efficient and Robust Distributed Mean Estimation for Federated Learning | VMware Research | ICML | 2022년 | [PUB] [PDF] [CODE] |
| Communication-Efficient Adaptive Federated Learning | Pennsylvania State University | ICML | 2022년 | [PUB] [PDF] |
| ProgFed: Effective, Communication, and Computation Efficient Federated Learning by Progressive Training | CISPA Helmholz Center for Information Security | ICML | 2022년 | [PUB] [PDF] [SLIDE] [CODE] |
| Fishing for User Data in Large-Batch Federated Learning via Gradient Magnification | University of Maryland | ICML | 2022년 | [PUB] [PDF] [CODE] |
| Anarchic Federated Learning | The Ohio State University | ICML | 2022년 | [PUB] [PDF] |
| QSFL: A Two-Level Uplink Communication Optimization Framework for Federated Learning | Nankai University | ICML | 2022년 | [PUB] [CODE] |
| Bitwidth Heterogeneous Federated Learning with Progressive Weight Dequantization | 카이스트 | ICML | 2022년 | [PUB] [PDF] |
| Neural Tangent Kernel Empowered Federated Learning | NC State University | ICML | 2022년 | [PUB] [PDF] [CODE] |
| Understanding Clipping for Federated Learning: Convergence and Client-Level Differential Privacy | UMN | ICML | 2022년 | [PUB] [PDF] |
| Personalized Federated Learning via Variational Bayesian Inference | CAS | ICML | 2022년 | [PUB] [PDF] [SLIDE] [UC.] |
| Federated Learning with Label Distribution Skew via Logits Calibration | ZJU | ICML | 2022년 | [선술집] |
| Neurotoxin: Durable Backdoors in Federated Learning | Southeast University;Princeton | ICML | 2022년 | [PUB] [PDF] [CODE] |
| Resilient and Communication Efficient Learning for Heterogeneous Federated Systems | Michigan State University | ICML | 2022년 | [선술집] |
| Minibatch vs Local SGD with Shuffling: Tight Convergence Bounds and Beyond | 카이스트 | ICLR (oral) | 2022년 | [PUB] [CODE] |
| Bayesian Framework for Gradient Leakage | ETH 취리히 | ICLR | 2022년 | [PUB] [PDF] [CODE] |
| Federated Learning from only unlabeled data with class-conditional-sharing clients | The University of Tokyo; CUHK | ICLR | 2022년 | [PUB] [CODE] |
| FedChain: Chained Algorithms for Near-Optimal Communication Cost in Federated Learning | CMU; University of Illinois at Urbana-Champaign; University of Washington | ICLR | 2022년 | [PUB] [PDF] |
| Acceleration of Federated Learning with Alleviated Forgetting in Local Training | 목 | ICLR | 2022년 | [PUB] [PDF] [CODE] |
| FedPara: Low-rank Hadamard Product for Communicatkion-Efficient Federated Learning | POSTECH | ICLR | 2022년 | [PUB] [PDF] [CODE] |
| An Agnostic Approach to Federated Learning with Class Imbalance | 펜실베이니아 대학교 | ICLR | 2022년 | [PUB] [CODE] |
| Efficient Split-Mix Federated Learning for On-Demand and In-Situ Customization | Michigan State University; The University of Texas at Austin | ICLR | 2022년 | [PUB] [PDF] [CODE] |
| Robbing the Fed: Directly Obtaining Private Data in Federated Learning with Modified Models | University of Maryland; NYU | ICLR | 2022년 | [PUB] [PDF] [CODE] |
| ZeroFL: Efficient On-Device Training for Federated Learning with Local Sparsity | University of Cambridge; University of Oxford | ICLR | 2022년 | [PUB] [PDF] |
| Diverse Client Selection for Federated Learning via Submodular Maximization | Intel; CMU | ICLR | 2022년 | [PUB] [CODE] |
| Recycling Model Updates in Federated Learning: Are Gradient Subspaces Low-Rank? | Purdue | ICLR | 2022년 | [PUB] [PDF] [CODE] |
| Diurnal or Nocturnal? Federated Learning of Multi-branch Networks from Periodically Shifting Distributions | University of Maryland; Google | ICLR | 2022년 | [PUB] [CODE] |
| Towards Model Agnostic Federated Learning Using Knowledge Distillation | EPFL | ICLR | 2022년 | [PUB] [PDF] [CODE] |
| Divergence-aware Federated Self-Supervised Learning | NTU; SenseTime | ICLR | 2022년 | [PUB] [PDF] [CODE] |
| What Do We Mean by Generalization in Federated Learning? | Stanford; Google | ICLR | 2022년 | [PUB] [PDF] [CODE] |
| FedBABU: Toward Enhanced Representation for Federated Image Classification | 카이스트 | ICLR | 2022년 | [PUB] [PDF] [CODE] |
| Byzantine-Robust Learning on Heterogeneous Datasets via Bucketing | EPFL | ICLR | 2022년 | [PUB] [PDF] [CODE] |
| Improving Federated Learning Face Recognition via Privacy-Agnostic Clusters | Aibee | ICLR Spotlight | 2022년 | [PUB] [PDF] [PAGE] [解读] |
| Hybrid Local SGD for Federated Learning with Heterogeneous Communications | University of Texas; Pennsylvania State University | ICLR | 2022년 | [선술집] |
| On Bridging Generic and Personalized Federated Learning for Image Classification | The Ohio State University | ICLR | 2022년 | [PUB] [PDF] [CODE] |
| Minibatch vs Local SGD with Shuffling: Tight Convergence Bounds and Beyond | KAIST; MIT | ICLR | 2022년 | [PUB] [PDF] |
| One-Shot Federated Learning: Theoretical Limits and Algorithms to Achieve Them. | JMLR | 2021 | [PUB] [CODE] | |
| Constrained differentially private federated learning for low-bandwidth devices | UAI | 2021 | [PUB] [PDF] | |
| Federated stochastic gradient Langevin dynamics | UAI | 2021 | [PUB] [PDF] | |
| Federated Learning Based on Dynamic Regularization | BU; 팔 | ICLR | 2021 | [PUB] [PDF] [CODE] |
| Achieving Linear Speedup with Partial Worker Participation in Non-IID Federated Learning | The Ohio State University | ICLR | 2021 | [PUB] [PDF] |
| HeteroFL: Computation and Communication Efficient Federated Learning for Heterogeneous Clients | Duke University | ICLR | 2021 | [PUB] [PDF] [CODE] |
| FedMix: Approximation of Mixup under Mean Augmented Federated Learning | 카이스트 | ICLR | 2021 | [PUB] [PDF] |
| Federated Learning via Posterior Averaging: A New Perspective and Practical Algorithms | CMU; Google | ICLR | 2021 | [PUB] [PDF] [CODE] |
| Adaptive Federated Optimization | ICLR | 2021 | [PUB] [PDF] [CODE] | |
| Personalized Federated Learning with First Order Model Optimization | Stanford; 엔비디아 | ICLR | 2021 | [PUB] [PDF] [CODE] [UC.] |
| FedBN: Federated Learning on Non-IID Features via Local Batch Normalization | 프린스턴 | ICLR | 2021 | [PUB] [PDF] [CODE] |
| FedBE: Making Bayesian Model Ensemble Applicable to Federated Learning | The Ohio State University | ICLR | 2021 | [PUB] [PDF] [CODE] |
| Federated Semi-Supervised Learning with Inter-Client Consistency & Disjoint Learning | 카이스트 | ICLR | 2021 | [PUB] [PDF] [CODE] |
| KD3A: Unsupervised Multi-Source Decentralized Domain Adaptation via Knowledge Distillation | ZJU | ICML | 2021 | [PUB] [PDF] [CODE] [解读] |
| Gradient Disaggregation: Breaking Privacy in Federated Learning by Reconstructing the User Participant Matrix | Harvard University | ICML | 2021 | [PUB] [PDF] [VIDEO] [CODE] |
| FL-NTK: A Neural Tangent Kernel-based Framework for Federated Learning Analysis | PKU; 프린스턴 | ICML | 2021 | [PUB] [PDF] [VIDEO] |
| Personalized Federated Learning using Hypernetworks | Bar-Ilan University; 엔비디아 | ICML | 2021 | [PUB] [PDF] [CODE] [PAGE] [VIDEO] [解读] |
| Federated Composite Optimization | Stanford; Google | ICML | 2021 | [PUB] [PDF] [CODE] [VIDEO] [SLIDE] |
| Exploiting Shared Representations for Personalized Federated Learning | University of Texas at Austin; 펜실베이니아 대학교 | ICML | 2021 | [PUB] [PDF] [CODE] [VIDEO] |
| Data-Free Knowledge Distillation for Heterogeneous Federated Learning | Michigan State University | ICML | 2021 | [PUB] [PDF] [CODE] [VIDEO] |
| Federated Continual Learning with Weighted Inter-client Transfer | 카이스트 | ICML | 2021 | [PUB] [PDF] [CODE] [VIDEO] |
| Federated Deep AUC Maximization for Hetergeneous Data with a Constant Communication Complexity | The University of Iowa | ICML | 2021 | [PUB] [PDF] [CODE] [VIDEO] |
| Bias-Variance Reduced Local SGD for Less Heterogeneous Federated Learning | The University of Tokyo | ICML | 2021 | [PUB] [PDF] [VIDEO] |
| Federated Learning of User Verification Models Without Sharing Embeddings | 퀄컴 | ICML | 2021 | [PUB] [PDF] [VIDEO] |
| Clustered Sampling: Low-Variance and Improved Representativity for Clients Selection in Federated Learning | Accenture | ICML | 2021 | [PUB] [PDF] [CODE] [VIDEO] |
| Ditto: Fair and Robust Federated Learning Through Personalization | CMU; Facebook AI | ICML | 2021 | [PUB] [PDF] [CODE] [VIDEO] |
| Heterogeneity for the Win: One-Shot Federated Clustering | CMU | ICML | 2021 | [PUB] [PDF] [VIDEO] |
| The Distributed Discrete Gaussian Mechanism for Federated Learning with Secure Aggregation | ICML | 2021 | [PUB] [PDF] [CODE] [VIDEO] | |
| Debiasing Model Updates for Improving Personalized Federated Training | BU; 팔 | ICML | 2021 | [PUB] [CODE] [VIDEO] |
| One for One, or All for All: Equilibria and Optimality of Collaboration in Federated Learning | 도요타; Berkeley; Cornell University | ICML | 2021 | [PUB] [PDF] [CODE] [VIDEO] |
| CRFL: Certifiably Robust Federated Learning against Backdoor Attacks | UIUC; IBM | ICML | 2021 | [PUB] [PDF] [CODE] [VIDEO] |
| Federated Learning under Arbitrary Communication Patterns | Indiana University; 아마존 | ICML | 2021 | [PUB] [VIDEO] |
| CANITA: Faster Rates for Distributed Convex Optimization with Communication Compression | CMU | NeurIPS | 2021 | [PUB] [PDF] |
| Boosting with Multiple Sources | NeurIPS | 2021 | [선술집] | |
| DRIVE: One-bit Distributed Mean Estimation | VM웨어 | NeurIPS | 2021 | [PUB] [CODE] |
| Gradient Driven Rewards to Guarantee Fairness in Collaborative Machine Learning | NUS | NeurIPS | 2021 | [PUB] [CODE] |
| Gradient Inversion with Generative Image Prior | POSTECH | NeurIPS | 2021 | [PUB] [PDF] [CODE] |
| Distributed Machine Learning with Sparse Heterogeneous Data | University of Oxford | NeurIPS | 2021 | [PUB] [PDF] |
| Renyi Differential Privacy of The Subsampled Shuffle Model In Distributed Learning | UCLA | NeurIPS | 2021 | [PUB] [PDF] |
| Sageflow: Robust Federated Learning against Both Stragglers and Adversaries | 카이스트 | NeurIPS | 2021 | [선술집] |
| CAFE: Catastrophic Data Leakage in Vertical Federated Learning | Rensselaer Polytechnic Institute; IBM Research | NeurIPS | 2021 | [PUB] [CODE] |
| Fault-Tolerant Federated Reinforcement Learning with Theoretical Guarantee | NUS | NeurIPS | 2021 | [PUB] [PDF] [CODE] |
| Optimality and Stability in Federated Learning: A Game-theoretic Approach | Cornell University | NeurIPS | 2021 | [PUB] [PDF] [CODE] |
| QuPeD: Quantized Personalization via Distillation with Applications to Federated Learning | UCLA | NeurIPS | 2021 | [PUB] [PDF] [CODE] [解读] |
| The Skellam Mechanism for Differentially Private Federated Learning | Google Research; CMU | NeurIPS | 2021 | [PUB] [PDF] [CODE] |
| No Fear of Heterogeneity: Classifier Calibration for Federated Learning with Non-IID Data | NUS; 화웨이 | NeurIPS | 2021 | [PUB] [PDF] |
| STEM: A Stochastic Two-Sided Momentum Algorithm Achieving Near-Optimal Sample and Communication Complexities for Federated Learning | UMN | NeurIPS | 2021 | [PUB] [PDF] |
| Subgraph Federated Learning with Missing Neighbor Generation | Emory; UBC; 리하이대학교 | NeurIPS | 2021 | [PUB] [PDF] [CODE] [解读] |
| Evaluating Gradient Inversion Attacks and Defenses in Federated Learning | 프린스턴 | NeurIPS | 2021 | [PUB] [PDF] [CODE] |
| Personalized Federated Learning With Gaussian Processes | Bar-Ilan University | NeurIPS | 2021 | [PUB] [PDF] [CODE] |
| Differentially Private Federated Bayesian Optimization with Distributed Exploration | MIT; NUS | NeurIPS | 2021 | [PUB] [PDF] [CODE] |
| Parameterized Knowledge Transfer for Personalized Federated Learning | PolyU | NeurIPS | 2021 | [PUB] [PDF] [CODE] |
| Federated Reconstruction: Partially Local Federated Learning | Google Research | NeurIPS | 2021 | [PUB] [PDF] [CODE] [UC.] |
| Fast Federated Learning in the Presence of Arbitrary Device Unavailability | THU; Princeton; MIT | NeurIPS | 2021 | [PUB] [PDF] [CODE] |
| FL-WBC: Enhancing Robustness against Model Poisoning Attacks in Federated Learning from a Client Perspective | Duke University; Accenture Labs | NeurIPS | 2021 | [PUB] [PDF] [CODE] |
| FjORD: Fair and Accurate Federated Learning under heterogeneous targets with Ordered Dropout | KAUST; Samsung AI Center | NeurIPS | 2021 | [PUB] [PDF] |
| Linear Convergence in Federated Learning: Tackling Client Heterogeneity and Sparse Gradients | 펜실베이니아 대학교 | NeurIPS | 2021 | [PUB] [PDF] [VIDEO] |
| Federated Multi-Task Learning under a Mixture of Distributions | INRIA; Accenture Labs | NeurIPS | 2021 | [PUB] [PDF] [CODE] |
| Federated Graph Classification over Non-IID Graphs | 에모리 | NeurIPS | 2021 | [PUB] [PDF] [CODE] [解读] |
| Federated Hyperparameter Tuning: Challenges, Baselines, and Connections to Weight-Sharing | CMU; Hewlett Packard Enterprise | NeurIPS | 2021 | [PUB] [PDF] [CODE] |
| On Large-Cohort Training for Federated Learning | Google; CMU | NeurIPS | 2021 | [PUB] [PDF] [CODE] |
| DeepReduce: A Sparse-tensor Communication Framework for Federated Deep Learning | KAUST; Columbia University; 센트럴플로리다대학교 | NeurIPS | 2021 | [PUB] [PDF] [CODE] |
| PartialFed: Cross-Domain Personalized Federated Learning via Partial Initialization | 화웨이 | NeurIPS | 2021 | [PUB] [VIDEO] |
| Federated Split Task-Agnostic Vision Transformer for COVID-19 CXR Diagnosis | 카이스트 | NeurIPS | 2021 | [PUB] [PDF] |
| Addressing Algorithmic Disparity and Performance Inconsistency in Federated Learning | THU; Alibaba; Weill Cornell Medicine | NeurIPS | 2021 | [PUB] [PDF] [CODE] |
| Federated Linear Contextual Bandits | The Pennsylvania State University; Facebook; 버지니아 대학교 | NeurIPS | 2021 | [PUB] [PDF] [CODE] |
| Few-Round Learning for Federated Learning | 카이스트 | NeurIPS | 2021 | [선술집] |
| Breaking the centralized barrier for cross-device federated learning | EPFL; Google Research | NeurIPS | 2021 | [PUB] [CODE] [VIDEO] |
| Federated-EM with heterogeneity mitigation and variance reduction | Ecole Polytechnique; Google Research | NeurIPS | 2021 | [PUB] [PDF] |
| Delayed Gradient Averaging: Tolerate the Communication Latency for Federated Learning | MIT; 아마존; Google | NeurIPS | 2021 | [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 | [PUB] [PDF] [CODE] |
| Federated Adversarial Domain Adaptation | BU; Columbia University; Rutgers University | ICLR | 2020 | [PUB] [PDF] [CODE] |
| DBA: Distributed Backdoor Attacks against Federated Learning | ZJU; IBM Research | ICLR | 2020 | [PUB] [CODE] |
| Fair Resource Allocation in Federated Learning | CMU; Facebook AI | ICLR | 2020 | [PUB] [PDF] [CODE] |
| Federated Learning with Matched Averaging | University of Wisconsin-Madison; IBM Research | ICLR | 2020 | [PUB] [PDF] [CODE] |
| Differentially Private Meta-Learning | CMU | ICLR | 2020 | [PUB] [PDF] |
| Generative Models for Effective ML on Private, Decentralized Datasets | ICLR | 2020 | [PUB] [PDF] [CODE] | |
| On the Convergence of FedAvg on Non-IID Data | PKU | ICLR | 2020 | [PUB] [PDF] [CODE] [解读] |
| FedBoost: A Communication-Efficient Algorithm for Federated Learning | ICML | 2020 | [PUB] [VIDEO] | |
| FetchSGD: Communication-Efficient Federated Learning with Sketching | UC Berkeley; Johns Hopkins University; 아마존 | ICML | 2020 | [PUB] [PDF] [VIDEO] [CODE] |
| SCAFFOLD: Stochastic Controlled Averaging for Federated Learning | EPFL; Google | ICML | 2020 | [PUB] [PDF] [VIDEO] [UC.] [解读] |
| Federated Learning with Only Positive Labels | ICML | 2020 | [PUB] [PDF] [VIDEO] | |
| From Local SGD to Local Fixed-Point Methods for Federated Learning | Moscow Institute of Physics and Technology; KAUST | ICML | 2020 | [PUB] [PDF] [SLIDE] [VIDEO] |
| Acceleration for Compressed Gradient Descent in Distributed and Federated Optimization | KAUST | ICML | 2020 | [PUB] [PDF] [SLIDE] [VIDEO] |
| Differentially-Private Federated Linear Bandits | MIT | NeurIPS | 2020 | [PUB] [PDF] [CODE] |
| Federated Principal Component Analysis | University of Cambridge; Quine Technologies | NeurIPS | 2020 | [PUB] [PDF] [CODE] |
| FedSplit: an algorithmic framework for fast federated optimization | UC 버클리 | NeurIPS | 2020 | [PUB] [PDF] |
| Federated Bayesian Optimization via Thompson Sampling | NUS; MIT | NeurIPS | 2020 | [PUB] [PDF] [CODE] |
| Lower Bounds and Optimal Algorithms for Personalized Federated Learning | KAUST | NeurIPS | 2020 | [PUB] [PDF] |
| Robust Federated Learning: The Case of Affine Distribution Shifts | UC Santa Barbara; MIT | NeurIPS | 2020 | [PUB] [PDF] [CODE] |
| An Efficient Framework for Clustered Federated Learning | UC Berkeley; DeepMind | NeurIPS | 2020 | [PUB] [PDF] [CODE] |
| Distributionally Robust Federated Averaging | Pennsylvania State University | NeurIPS | 2020 | [PUB] [PDF] [CODE] |
| Personalized Federated Learning with Moreau Envelopes | The University of Sydney | NeurIPS | 2020 | [PUB] [PDF] [CODE] |
| Personalized Federated Learning with Theoretical Guarantees: A Model-Agnostic Meta-Learning Approach | MIT; UT Austin | NeurIPS | 2020 | [PUB] [PDF] [UC.] |
| Group Knowledge Transfer: Federated Learning of Large CNNs at the Edge | USC | NeurIPS | 2020 | [PUB] [PDF] [CODE] [解读] |
| Tackling the Objective Inconsistency Problem in Heterogeneous Federated Optimization | CMU; 프린스턴 | NeurIPS | 2020 | [PUB] [PDF] [CODE] [UC.] |
| Attack of the Tails: Yes, You Really Can Backdoor Federated Learning | University of Wisconsin-Madison | NeurIPS | 2020 | [PUB] [PDF] |
| Federated Accelerated Stochastic Gradient Descent | 스탠포드 | NeurIPS | 2020 | [PUB] [PDF] [CODE] [VIDEO] |
| Inverting Gradients - How easy is it to break privacy in federated learning? | University of Siegen | NeurIPS | 2020 | [PUB] [PDF] [CODE] |
| Ensemble Distillation for Robust Model Fusion in Federated Learning | EPFL | NeurIPS | 2020 | [PUB] [PDF] [CODE] |
| Throughput-Optimal Topology Design for Cross-Silo Federated Learning | INRIA | NeurIPS | 2020 | [PUB] [PDF] [CODE] |
| Bayesian Nonparametric Federated Learning of Neural Networks | IBM | ICML | 2019 | [PUB] [PDF] [CODE] |
| Analyzing Federated Learning through an Adversarial Lens | Princeton; IBM | ICML | 2019 | [PUB] [PDF] [CODE] |
| Agnostic Federated Learning | ICML | 2019 | [PUB] [PDF] | |
| cpSGD: Communication-efficient and differentially-private distributed SGD | Princeton; Google | NeurIPS | 2018 | [PUB] [PDF] |
| Federated Multi-Task Learning | Stanford; USC; CMU | NeurIPS | 2017년 | [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).
| 제목 | 입회 | 장소 | 년도 | 재료 |
|---|---|---|---|---|
| FedKDD: International Joint Workshop on Federated Learning for Data Mining and Graph Analytics | KDD Workshop | 2024년 | [선술집] | |
| Is Aggregation the Only Choice? Federated Learning via Layer-wise Model Recombination | KDD | 2024년 | [선술집] | |
| BadSampler: Harnessing the Power of Catastrophic Forgetting to Poison Byzantine-robust Federated Learning | KDD | 2024년 | [선술집] | |
| Federated Graph Learning with Structure Proxy Alignment | KDD | 2024년 | [선술집] | |
| HiFGL: A Hierarchical Framework for Cross-silo Cross-device Federated Graph Learning | KDD | 2024년 | [선술집] | |
| FedSecurity: A Benchmark for Attacks and Defenses in Federated Learning and Federated LLMs | KDD | 2024년 | [선술집] | |
| Distributed Harmonization: Federated Clustered Batch Effect Adjustment and Generalization | KDD | 2024년 | [선술집] | |
| FederatedScope-LLM: A Comprehensive Package for Fine-tuning Large Language Models in Federated Learning | KDD | 2024년 | [선술집] | |
| On the Convergence of Zeroth-Order Federated Tuning for Large Language Models | KDD | 2024년 | [선술집] | |
| CASA: Clustered Federated Learning with Asynchronous Clients | KDD | 2024년 | [선술집] | |
| FLAIM: AIM-based Synthetic Data Generation in the Federated Setting | KDD | 2024년 | [선술집] | |
| Privacy-Preserving Federated Learning using Flower Framework | KDD | 2024년 | [선술집] | |
| FedSAC: Dynamic Submodel Allocation for Collaborative Fairness in Federated Learning | KDD | 2024년 | [선술집] | |
| FedNLR: Federated Learning with Neuron-wise Learning Rates | KDD | 2024년 | [선술집] | |
| FedBiOT: LLM Local Fine-tuning in Federated Learning without Full Model | KDD | 2024년 | [선술집] | |
| FLea: Addressing Data Scarcity and Label Skew in Federated Learning via Privacy-preserving Feature Augmentation | KDD | 2024년 | [선술집] | |
| Preventing Strategic Behaviors in Collaborative Inference for Vertical Federated Learning | KDD | 2024년 | [선술집] | |
| PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection | KDD | 2024년 | [선술집] | |
| FedRoLA: Robust Federated Learning Against Model Poisoning via Layer-based Aggregation | KDD | 2024년 | [선술집] | |
| FedGTP: Exploiting Inter-Client Spatial Dependency in Federated Graph-based Traffic Prediction | KDD | 2024년 | [선술집] | |
| OpenFedLLM: Training Large Language Models on Decentralized Private Data via Federated Learning | KDD | 2024년 | [선술집] | |
| Personalized Federated Continual Learning via Multi-Granularity Prompt | KDD | 2024년 | [선술집] | |
| Enabling Collaborative Test-Time Adaptation in Dynamic Environment via Federated Learning | KDD | 2024년 | [선술집] | |
| GPFedRec: Graph-Guided Personalization for Federated Recommendation | KDD | 2024년 | [선술집] | |
| Asynchronous Vertical Federated Learning for Kernelized AUC Maximization | KDD | 2024년 | [선술집] | |
| VertiMRF: Differentially Private Vertical Federated Data Synthesis | KDD | 2024년 | [선술집] | |
| User Consented Federated Recommender System Against Personalized Attribute Inference Attack | HKUST | WSDM | 2024년 | [PUB] [PDF] [CODE] |
| Guardian: Guarding against Gradient Leakage with Provable Defense for Federated Learning | ECNU | WSDM | 2024년 | [선술집] |
| Privacy Matters: Vertical Federated Linear Contextual Bandits for Privacy Protected Recommendation | University of Cambridge | KDD | 2023년 | [PUB] [PDF] |
| FedDefender: Client-Side Attack-Tolerant Federated Learning | 카이스트 | KDD | 2023년 | [PUB] [PDF] [CODE] |
| FedAPEN: Personalized Cross-silo Federated Learning with Adaptability to Statistical Heterogeneity | ZJU | KDD | 2023년 | [PUB] [CODE] |
| FedPseudo: Privacy-Preserving Pseudo Value-Based Deep Learning Models for Federated Survival Analysis | UMBC | KDD | 2023년 | [PUB] [PDF] |
| ShapleyFL: Robust Federated Learning Based on Shapley Value | ZJU | KDD | 2023년 | [PUB] [CODE] |
| Federated Few-shot Learning | 버지니아 대학교 | KDD | 2023년 | [PUB] [PDF] [CODE] |
| Theoretical Convergence Guaranteed Resource-Adaptive Federated Learning with Mixed Heterogeneity | SDU | KDD | 2023년 | [선술집] |
| Personalized Federated Learning with Parameter Propagation | UIUC | KDD | 2023년 | [선술집] |
| Serverless Federated AUPRC Optimization for Multi-Party Collaborative Imbalanced Data Mining | University of Pittsburgh | KDD | 2023년 | [PUB] [PDF] [CODE] |
| CriticalFL: A Critical Learning Periods Augmented Client Selection Framework for Efficient Federated Learning | SUNY-Binghamton University | KDD | 2023년 | [PUB] [PDF] |
| FLAMES2Graph: An Interpretable Federated Multivariate Time Series Classification Framework | L3S Research Center | KDD | 2023년 | [PUB] [PDF] |
| FedCP: Separating Feature Information for Personalized Federated Learning via Conditional Policy | SJTU | KDD | 2023년 | [PUB] [PDF] [CODE] |
| Navigating Alignment for Non-identical Client Class Sets: A Label Name-Anchored Federated Learning Framework | UCSD | KDD | 2023년 | [PUB] [PDF] [CODE] |
| DM-PFL: Hitchhiking Generic Federated Learning for Efficient Shift-Robust Personalization | BUAA | KDD | 2023년 | [PUB] [CODE] |
| FS-REAL: Towards Real-World Cross-Device Federated Learning | 알리바바 그룹 | KDD | 2023년 | [PUB] [PDF] |
| FedMultimodal: A Benchmark for Multimodal Federated Learning | USC | KDD | 2023년 | [PUB] [PDF] [CODE] |
| PrivateRec: Differentially Private Model Training and Online Serving for Federated News Recommendation | RUC | KDD | 2023년 | [PUB] [PDF] [NEWS] |
| Revisiting Personalized Federated Learning: Robustness Against Backdoor Attacks | HKUST; 알리바바 그룹 | KDD | 2023년 | [PUB] [PDF] [CODE] |
| UA-FedRec: Untargeted Attack on Federated News Recommendation | USTC | KDD | 2023년 | [PUB] [PDF] [CODE] |
| International Workshop on Federated Learning for Distributed Data Mining | MSU | KDD Workshop Summaries | 2023년 | [PUB] [PAGE] |
| Is Normalization Indispensable for Multi-domain Federated Learning? | KDD workshop | 2023년 | [선술집] | |
| Distributed Personalized Empirical Risk Minimization. | KDD workshop | 2023년 | [선술집] | |
| Once-for-All Federated Learning: Learning From and Deploying to Heterogeneous Clients. | KDD workshop | 2023년 | [선술집] | |
| SparseVFL: Communication-Efficient Vertical Federated Learning Based on Sparsification of Embeddings and Gradients. | KDD workshop | 2023년 | [선술집] | |
| Optimization of User Resources in Federated Learning for Urban Sensing Applications | KDD workshop | 2023년 | [선술집] | |
| FedLEGO: Enabling Heterogenous Model Cooperation via Brick Reassembly in Federated Learning. | KDD workshop | 2023년 | [선술집] | |
| Federated Graph Analytics with Differential Privacy. | KDD workshop | 2023년 | [선술집] | |
| Scaling Distributed Multi-task Reinforcement Learning with Experience Sharing. | KDD workshop | 2023년 | [선술집] | |
| Uncertainty Quantification in Federated Learning for Heterogeneous Health Data | KDD workshop | 2023년 | [선술집] | |
| A Systematic Evaluation of Federated Learning on Biomedical Natural Language Processing. | KDD workshop | 2023년 | [선술집] | |
| Taming Heterogeneity to Deal with Test-Time Shift in Federated Learning. | KDD workshop | 2023년 | [선술집] | |
| Federated Blood Supply Chain Demand Forecasting: A Case Study. | KDD workshop | 2023년 | [선술집] | |
| Stochastic Clustered Federated Learning. | KDD workshop | 2023년 | [선술집] | |
| A Privacy-Preserving Hybrid Federated Learning Framework for Financial Crime Detection. | KDD workshop | 2023년 | [선술집] | |
| Exploring the Efficacy of Data-Decoupled Federated Learning for Image Classification and Medical Imaging Analysis. | KDD workshop | 2023년 | [선술집] | |
| FedNoisy: A Federated Noisy Label Learning Benchmark | KDD workshop | 2023년 | [선술집] | |
| Asynchronous Decentralized Federated Lifelong Learning for Landmark Localization in Medical Imaging | KDD workshop | 2023년 | [선술집] | |
| Federated learning for competing risk analysis in healthcare. | KDD workshop | 2023년 | [선술집] | |
| Federated Threat Detection for Smart Home IoT rules. | KDD workshop | 2023년 | [선술집] | |
| Federated Unlearning for On-Device Recommendation | UQ | WSDM | 2023년 | [PUB] [PDF] |
| Collaboration Equilibrium in Federated Learning | 목 | KDD | 2022년 | [PUB] [PDF] [CODE] |
| Connected Low-Loss Subspace Learning for a Personalization in Federated Learning | 울산과학기술원 | KDD | 2022년 | [PUB] [PDF] [CODE] |
| FedMSplit: Correlation-Adaptive Federated Multi-Task Learning across Multimodal Split Networks | 버지니아 대학교 | KDD | 2022년 | [선술집] |
| Communication-Efficient Robust Federated Learning with Noisy Labels | University of Pittsburgh | KDD | 2022년 | [PUB] [PDF] |
| FLDetector: Detecting Malicious Clients in Federated Learning via Checking Model-Updates Consistency | USTC | KDD | 2022년 | [PUB] [PDF] [CODE] |
| Practical Lossless Federated Singular Vector Decomposition Over Billion-Scale Data | HKUST | KDD | 2022년 | [PUB] [PDF] [CODE] |
| FedWalk: Communication Efficient Federated Unsupervised Node Embedding with Differential Privacy | SJTU | KDD | 2022년 | [PUB] [PDF] |
| FederatedScope-GNN: Towards a Unified, Comprehensive and Efficient Platform for Federated Graph Learning | 알리바바 | KDD (Best Paper Award) | 2022년 | [PUB] [PDF] [CODE] |
| Fed-LTD: Towards Cross-Platform Ride Hailing via Federated Learning to Dispatch | BUAA | KDD | 2022년 | [PUB] [PDF] [解读] |
| Felicitas: Federated Learning in Distributed Cross Device Collaborative Frameworks | USTC | KDD | 2022년 | [PUB] [PDF] |
| No One Left Behind: Inclusive Federated Learning over Heterogeneous Devices | Renmin University of China | KDD | 2022년 | [PUB] [PDF] |
| FedAttack: Effective and Covert Poisoning Attack on Federated Recommendation via Hard Sampling | 목 | KDD | 2022년 | [PUB] [PDF] [CODE] |
| PipAttack: Poisoning Federated Recommender Systems for Manipulating Item Promotion | The University of Queensland | WSDM | 2022년 | [PUB] [PDF] |
| Fed2: Feature-Aligned Federated Learning | George Mason University; Microsoft; University of Maryland | KDD | 2021 | [PUB] [PDF] |
| FedRS: Federated Learning with Restricted Softmax for Label Distribution Non-IID Data | Nanjing University | KDD | 2021 | [PUB] [CODE] |
| Federated Adversarial Debiasing for Fair and Trasnferable Representations | Michigan State University | KDD | 2021 | [PUB] [PAGE] [CODE] [SLIDE] |
| Cross-Node Federated Graph Neural Network for Spatio-Temporal Data Modeling | USC | KDD | 2021 | [PUB] [CODE] [解读] |
| AsySQN: Faster Vertical Federated Learning Algorithms with Better Computation Resource Utilization | Xidian University;JD Tech | KDD | 2021 | [PUB] [PDF] |
| FLOP: Federated Learning on Medical Datasets using Partial Networks | Duke University | KDD | 2021 | [PUB] [PDF] [CODE] |
| A Practical Federated Learning Framework for Small Number of Stakeholders | ETH Zürich | WSDM | 2021 | [PUB] [CODE] |
| Federated Deep Knowledge Tracing | USTC | WSDM | 2021 | [PUB] [CODE] |
| FedFast: Going Beyond Average for Faster Training of Federated Recommender Systems | University College Dublin | KDD | 2020 | [PUB] [VIDEO] |
| Federated Doubly Stochastic Kernel Learning for Vertically Partitioned Data | JD Tech | KDD | 2020 | [PUB] [PDF] [VIDEO] |
| Federated Online Learning to Rank with Evolution Strategies | Facebook AI Research | WSDM | 2019 | [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).
| 제목 | 입회 | 장소 | 년도 | 재료 |
|---|---|---|---|---|
| Byzantine-Robust Decentralized Federated Learning | CCS | 2024년 | [선술집] | |
| Not One Less: Exploring Interplay between User Profiles and Items in Untargeted Attacks against Federated Recommendation | CCS | 2024년 | [선술집] | |
| Cross-silo Federated Learning with Record-level Personalized Differential Privacy. | CCS | 2024년 | [선술집] | |
| Samplable Anonymous Aggregation for Private Federated Data Analysis | CCS | 2024년 | [선술집] | |
| Camel: Communication-Efficient and Maliciously Secure Federated Learning in the Shuffle Model of Differential Privacy | CCS | 2024년 | [선술집] | |
| Distributed Backdoor Attacks on Federated Graph Learning and Certified Defenses | CCS | 2024년 | [선술집] | |
| Two-Tier Data Packing in RLWE-based Homomorphic Encryption for Secure Federated Learning. | CCS | 2024년 | [선술집] | |
| Poster: Protection against Source Inference Attacks in Federated Learning using Unary Encoding and Shuffling. | CCS | 2024년 | [선술집] | |
| Poster: End-to-End Privacy-Preserving Vertical Federated Learning using Private Cross-Organizational Data Collaboration. | CCS | 2024년 | [선술집] | |
| FP-Fed: Privacy-Preserving Federated Detection of Browser Fingerprinting | NDSS | 2024년 | [선술집] | |
| FreqFed: A Frequency Analysis-Based Approach for Mitigating Poisoning Attacks in Federated Learning | NDSS | 2024년 | [선술집] | |
| Automatic Adversarial Adaption for Stealthy Poisoning Attacks in Federated Learning | NDSS | 2024년 | [선술집] | |
| CrowdGuard: Federated Backdoor Detection in Federated Learning | NDSS | 2024년 | [선술집] | |
| Protecting Label Distribution in Cross-Silo Federated Learning | S&P | 2024년 | [선술집] | |
| FLShield: A Validation Based Federated Learning Framework to Defend Against Poisoning Attacks | S&P | 2024년 | [선술집] | |
| BadVFL: Backdoor Attacks in Vertical Federated Learning | S&P | 2024년 | [선술집] | |
| SHERPA: Explainable Robust Algorithms for Privacy-Preserved Federated Learning in Future Networks to Defend Against Data Poisoning Attacks | S&P | 2024년 | [선술집] | |
| Loki: Large-scale Data Reconstruction Attack against Federated Learning through Model Manipulation | S&P | 2024년 | [선술집] | |
| Poster: Towards Privacy-Preserving Federated Recommendation via Synthetic Interactions. | S&P Workshop | 2024년 | [선술집] | |
| A Performance Analysis for Confidential Federated Learning. | S&P Workshop | 2024년 | [선술집] | |
| Turning Privacy-preserving Mechanisms against Federated Learning | 파비아대학교 | CCS | 2023년 | [PUB] [PDF] |
| MESAS: Poisoning Defense for Federated Learning Resilient against Adaptive Attackers | University of Würzburg | CCS | 2023년 | [선술집] |
| martFL: Enabling Utility-Driven Data Marketplace with a Robust and Verifiable Federated Learning Architecture | 목 | CCS | 2023년 | [PUB] [PDF] [CODE] |
| Unraveling the Connections between Privacy and Certified Robustness in Federated Learning Against Poisoning Attacks | UIUC | CCS | 2023년 | [PUB] [PDF] |
| Poster: Verifiable Data Valuation with Strong Fairness in Horizontal Federated Learning | NSYSU | CCS | 2023년 | [선술집] |
| Poster: Bridging Trust Gaps: Data Usage Transparency in Federated Data Ecosystems | RWTH Aachen University | CCS | 2023년 | [선술집] |
| Every Vote Counts: Ranking-Based Training of Federated Learning to Resist Poisoning Attacks | University of Massachusetts Amherst | USENIX Security | 2023년 | [PUB] [PDF] |
| PrivateFL: Accurate, Differentially Private Federated Learning via Personalized Data Transformation | JHU | USENIX Security | 2023년 | [PUB] [CODE] |
| Gradient Obfuscation Gives a False Sense of Security in Federated Learning | NCSU | USENIX Security | 2023년 | [PUB] [PDF] [CODE] |
| FedVal: Different good or different bad in federated learning | AI Sweden | USENIX Security | 2023년 | [PUB] [PDF] [CODE] |
| Securing Federated Sensitive Topic Classification against Poisoning Attacks | IMDEA Networks Institute | NDSS | 2023년 | [PUB] [PDF] [CODE] |
| PPA: Preference Profiling Attack Against Federated Learning | NJUST | NDSS | 2023년 | [PUB] [PDF] |
| Turning Privacy-preserving Mechanisms against Federated Learning | University of Pavia; TU Delft; University of Padua; Radboud University | CCS | 2023년 | [PUB] [PDF] [CODE] |
| CERBERUS: Exploring Federated Prediction of Security Events | UCL London | CCS | 2022년 | [PUB] [PDF] |
| EIFFeL: Ensuring Integrity for Federated Learning | UW-Madison | CCS | 2022년 | [PUB] [PDF] |
| Eluding Secure Aggregation in Federated Learning via Model Inconsistency | SPRING Lab; EPFL | CCS | 2022년 | [PUB] [PDF] [CODE] |
| Federated Boosted Decision Trees with Differential Privacy | University of Warwick | CCS | 2022년 | [PUB] [PDF] [CODE] |
| FedRecover: Recovering from Poisoning Attacks in Federated Learning using Historical Information | Duke University | S&P | 2023년 | [PUB] [PDF] |
| Scalable and Privacy-Preserving Federated Principal Component Analysis | EPFL; Tune Insight SA | S&P | 2023년 | [PUB] [PDF] |
| SafeFL: MPC-friendly Framework for Private and Robust Federated Learning | TU Darmstadt | S&P Workshop | 2023년 | [선술집] |
| On the Pitfalls of Security Evaluation of Robust Federated Learning. | umass | S&P Workshop | 2023년 | [선술집] |
| BayBFed: Bayesian Backdoor Defense for Federated Learning | TU Darmstadt; UTSA | S&P | 2023년 | [PUB] [PDF] |
| 3DFed: Adaptive and Extensible Framework for Covert Backdoor Attack in Federated Learning | PolyU | S&P | 2023년 | [PUB] [CODE] |
| RoFL: Robustness of Secure Federated Learning. | ETH 취리히 | S&P | 2023년 | [PUB] [PDF] [CODE] |
| Flamingo: Multi-Round Single-Server Secure Aggregation with Applications to Private Federated Learning. | 우펜 | S&P | 2023년 | [PUB] [CODE] |
| ELSA: Secure Aggregation for Federated Learning with Malicious Actors. | S&P | 2023년 | ||
| Private, Efficient, and Accurate: Protecting Models Trained by Multi-party Learning with Differential Privacy | Fudan University | S&P | 2023년 | [PUB] [PDF] |
| Back to the Drawing Board: A Critical Evaluation of Poisoning Attacks on Production Federated Learning | University of Massachusetts | S&P | 2022년 | [PUB] [VIDEO] |
| SIMC: ML Inference Secure Against Malicious Clients at Semi-Honest Cost | Microsoft Research | USENIX Security | 2022년 | [PUB] [PDF] [CODE] [VIDEO] [SUPP] |
| Efficient Differentially Private Secure Aggregation for Federated Learning via Hardness of Learning with Errors | University of Vermont | USENIX Security | 2022년 | [PUB] [SLIDE] [VIDEO] |
| Label Inference Attacks Against Vertical Federated Learning | ZJU | USENIX Security | 2022년 | [PUB] [SLIDE] [CODE] [VIDEO] |
| FLAME: Taming Backdoors in Federated Learning | Technical University of Darmstadt | USENIX Security | 2022년 | [PUB] [SLIDE] [PDF] [VIDEO] |
| Local and Central Differential Privacy for Robustness and Privacy in Federated Learning | University at Buffalo, SUNY | NDSS | 2022년 | [PUB] [PDF] [VIDEO] [UC.] |
| Interpretable Federated Transformer Log Learning for Cloud Threat Forensics | University of the Incarnate Word | NDSS | 2022년 | [PUB] [VIDEO] [UC.] |
| FedCRI: Federated Mobile Cyber-Risk Intelligence | Technical University of Darmstadt | NDSS | 2022년 | [PUB] [VIDEO] |
| DeepSight: Mitigating Backdoor Attacks in Federated Learning Through Deep Model Inspection | Technical University of Darmstadt | NDSS | 2022년 | [PUB] [PDF] [VIDEO] |
| Private Hierarchical Clustering in Federated Networks | NUS | CCS | 2021 | [PUB] [PDF] |
| FLTrust: Byzantine-robust Federated Learning via Trust Bootstrapping | Duke University | NDSS | 2021 | [PUB] [PDF] [CODE] [VIDEO] [SLIDE] |
| POSEIDON: Privacy-Preserving Federated Neural Network Learning | EPFL | NDSS | 2021 | [PUB] [VIDEO] |
| Manipulating the Byzantine: Optimizing Model Poisoning Attacks and Defenses for Federated Learning | University of Massachusetts Amherst | NDSS | 2021 | [PUB] [CODE] [VIDEO] |
| SAFELearn: Secure Aggregation for private FEderated Learning | TU Darmstadt | S&P Workshop | 2021 | [선술집] |
| Local Model Poisoning Attacks to Byzantine-Robust Federated Learning | The Ohio State University | USENIX Security | 2020 | [PUB] [PDF] [CODE] [VIDEO] [SLIDE] |
| A Reliable and Accountable Privacy-Preserving Federated Learning Framework using the Blockchain | University of Kansas | CCS (Poster) | 2019 | [선술집] |
| IOTFLA : A Secured and Privacy-Preserving Smart Home Architecture Implementing Federated Learning | Université du Québéc á Montréal | S&P Workshop | 2019 | [선술집] |
| 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 | [PUB] [VIDEO] [SLIDE] [CODE] |
| Practical Secure Aggregation for Privacy Preserving Machine Learning | CCS | 2017년 | [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).
| 제목 | 입회 | 장소 | 년도 | 재료 |
|---|---|---|---|---|
| DualFed: Enjoying both Generalization and Personalization in Federated Learning via Hierachical Representations | MM | 2024년 | [선술집] | |
| One-shot-but-not-degraded Federated Learning | MM | 2024년 | [선술집] | |
| Overcoming Spatial-Temporal Catastrophic Forgetting for Federated Class-Incremental Learning | MM | 2024년 | [선술집] | |
| FedDEO: Description-Enhanced One-Shot Federated Learning with Diffusion Models | MM | 2024년 | [선술집] | |
| Decoupling General and Personalized Knowledge in Federated Learning via Additive and Low-rank Decomposition | MM | 2024년 | [선술집] | |
| CoAst: Validation-Free Contribution Assessment for Federated Learning based on Cross-Round Valuation | MM | 2024년 | [선술집] | |
| Spatio-temporal Heterogeneous Federated Learning for Time Series Classification with Multi-view Orthogonal Training | MM | 2024년 | [선술집] | |
| FedEvalFair: A Privacy-Preserving and Statistically Grounded Federated Fairness Evaluation Framework | MM | 2024년 | [선술집] | |
| One-Shot Sequential Federated Learning for Non-IID Data by Enhancing Local Model Diversity | MM | 2024년 | [선술집] | |
| FedSLS: Exploring Federated Aggregation in Saliency Latent Space | MM | 2024년 | [선술집] | |
| Cluster-driven Personalized Federated Recommendation with Interest-aware Graph Convolution Network for Multimedia | MM | 2024년 | [선술집] | |
| FedBCGD: Communication-Efficient Accelerated Block Coordinate Gradient Descent for Federated Learning | MM | 2024년 | [선술집] | |
| Federated Morozov Regularization for Shortcut Learning in Privacy Preserving Learning with Watermarked Image Data | MM | 2024년 | [선술집] | |
| Cross-Modal Meta Consensus for Heterogeneous Federated Learning | MM | 2024년 | [선술집] | |
| Masked Random Noise for Communication-Efficient Federated Learning | MM | 2024년 | [선술집] | |
| Heterogeneity-Aware Federated Deep Multi-View Clustering towards Diverse Feature Representations | MM | 2024년 | [선술집] | |
| Adaptive Hierarchical Aggregation for Federated Object Detection | MM | 2024년 | [선술집] | |
| FedCAFE: Federated Cross-Modal Hashing with Adaptive Feature Enhancement | MM | 2024년 | [선술집] | |
| Federated Fuzzy C-means with Schatten-p Norm Minimization | MM | 2024년 | [선술집] | |
| Towards Effective Federated Graph Anomaly Detection via Self-boosted Knowledge Distillation | MM | 2024년 | [선술집] | |
| Physics-Driven Spectrum-Consistent Federated Learning for Palmprint Verification | IJCV | 2024년 | [선술집] | |
| FedHide: Federated Learning by Hiding in the Neighbors | ECCV | 2024년 | [선술집] | |
| FedVAD: Enhancing Federated Video Anomaly Detection with GPT-Driven Semantic Distillation | ECCV | 2024년 | [선술집] | |
| FedRA: A Random Allocation Strategy for Federated Tuning to Unleash the Power of Heterogeneous Clients | ECCV | 2024년 | [선술집] | |
| Pick-a-Back: Selective Device-to-Device Knowledge Transfer in Federated Continual Learning | ECCV | 2024년 | [선술집] | |
| Federated Learning with Local Openset Noisy Labels | ECCV | 2024년 | [선술집] | |
| FedTSA: A Cluster-Based Two-Stage Aggregation Method for Model-Heterogeneous Federated Learning. | ECCV | 2024년 | [선술집] | |
| Overcome Modal Bias in Multi-modal Federated Learning via Balanced Modality Selection | ECCV | 2024년 | [선술집] | |
| BAFFLE: A Baseline of Backpropagation-Free Federated Learning | ECCV | 2024년 | [선술집] | |
| PILoRA: Prototype Guided Incremental LoRA for Federated Class-Incremental Learning | ECCV | 2024년 | [선술집] | |
| Fisher Calibration for Backdoor-Robust Heterogeneous Federated Learning | ECCV | 2024년 | [선술집] | |
| Unlocking the Potential of Federated Learning: The Symphony of Dataset Distillation via Deep Generative Latents | ECCV | 2024년 | [선술집] | |
| FedHARM: Harmonizing Model Architectural Diversity in Federated Learning | ECCV | 2024년 | [선술집] | |
| SuperFedNAS: Cost-Efficient Federated Neural Architecture Search for On-device Inference. | ECCV | 2024년 | [선술집] | |
| Personalized Federated Domain-Incremental Learning Based on Adaptive Knowledge Matching. | ECCV | 2024년 | [선술집] | |
| Diffusion-Driven Data Replay: A Novel Approach to Combat Forgetting in Federated Class Continual Learning | ECCV | 2024년 | [선술집] | |
| Towards Multi-modal Transformers in Federated Learning | ECCV | 2024년 | [선술집] | |
| Local and Global Flatness for Federated Domain Generalization | ECCV | 2024년 | [선술집] | |
| Feature Diversification and Adaptation for Federated Domain Generalization | ECCV | 2024년 | [선술집] | |
| PFEDEDIT: Personalized Federated Learning via Automated Model Editing | ECCV | 2024년 | [선술집] | |
| FedHCA2: Towards Hetero-Client Federated Multi-Task Learning | SJTU | CVPR | 2024년 | [PUB] [SUPP] [PDF] [CODE] |
| Fair Federated Learning under Domain Skew with Local Consistency and Domain Diversity | WHU | CVPR | 2024년 | [PUB] [PDF] [CODE] |
| Think Twice Before Selection: Federated Evidential Active Learning for Medical Image Analysis with Domain Shifts | NWPU; HKUST | CVPR | 2024년 | [PUB] [SUPP] [PDF] [CODE] |
| FedMef: Towards Memory-efficient Federated Dynamic Pruning | CUHK | CVPR | 2024년 | [PUB] [SUPP] [PDF] |
| Communication-Efficient Federated Learning with Accelerated Client Gradient | 서울대학교 | CVPR | 2024년 | [PUB] [SUPP] [PDF] [CODE] |
| Revamping Federated Learning Security from a Defender's Perspective: A Unified Defense with Homomorphic Encrypted Data Space | IITH | CVPR | 2024년 | [PUB] [SUPP] [CODE] |
| Adaptive Hyper-graph Aggregation for Modality-Agnostic Federated Learning | TJUT | CVPR | 2024년 | [PUB] [SUPP] [CODE] |
| Towards Efficient Replay in Federated Incremental Learning | HUST | CVPR | 2024년 | [PUB] [SUPP] [PDF] |
| Mixed-Precision Quantization for Federated Learning on Resource-Constrained Heterogeneous Devices | 유타 | CVPR | 2024년 | [PUB] [SUPP] [PDF] |
| Data Valuation and Detections in Federated Learning | NUS | CVPR | 2024년 | [PUB] [SUPP] [PDF] [CODE] |
| Decentralized Directed Collaboration for Personalized Federated Learning | NJUST | CVPR | 2024년 | [PUB] [SUPP] [PDF] |
| Unlocking the Potential of Prompt-Tuning in Bridging Generalized and Personalized Federated Learning | UBC | CVPR | 2024년 | [PUB] [SUPP] [PDF] [CODE] |
| Global and Local Prompts Cooperation via Optimal Transport for Federated Learning | ShanghaiTech University | CVPR | 2024년 | [PUB] [SUPP] [PDF] [CODE] |
| Rethinking the Representation in Federated Unsupervised Learning with Non-IID Data | ZJU | CVPR | 2024년 | [PUB] [SUPP] [PDF] [CODE] |
| Relaxed Contrastive Learning for Federated Learning | 서울대학교 | CVPR | 2024년 | [PUB] [SUPP] [PDF] [CODE] |
| Leak and Learn: An Attacker's Cookbook to Train Using Leaked Data from Federated Learning | Purdue University | CVPR | 2024년 | [PUB] [SUPP] [PDF] [VIDEO] |
| Traceable Federated Continual Learning | BUPT | CVPR | 2024년 | [PUB] [SUPP] [CODE] |
| Federated Online Adaptation for Deep Stereo | 볼로냐대학교 | CVPR | 2024년 | [PUB] [SUPP] [PDF] [CODE] [PAGE] [VIDEO] |
| Federated Generalized Category Discovery | UniTn | CVPR | 2024년 | [PUB] [SUPP] [PDF] [CODE] |
| Efficiently Assemble Normalization Layers and Regularization for Federated Domain Generalization | ND | CVPR | 2024년 | [PUB] [SUPP] [PDF] [CODE] |
| Text-Enhanced Data-free Approach for Federated Class-Incremental Learning | Monash University | CVPR | 2024년 | [PUB] [SUPP] [PDF] [CODE] |
| PerAda: Parameter-Efficient Federated Learning Personalization with Generalization Guarantees | UIUC; 엔비디아 | CVPR | 2024년 | [PUB] [SUPP] [PDF] [CODE] |
| FedSOL: Stabilized Orthogonal Learning with Proximal Restrictions in Federated Learning | 카이스트 | CVPR | 2024년 | [PUB] [SUPP] [PDF] [CODE] |
| FedUV: Uniformity and Variance for Heterogeneous Federated Learning | UC 데이비스 | CVPR | 2024년 | [PUB] [SUPP] [PDF] |
| FedAS: Bridging Inconsistency in Personalized Federated Learning | WHU | CVPR | 2024년 | [PUB] [CODE] |
| FedSelect: Personalized Federated Learning with Customized Selection of Parameters for Fine-Tuning | Lapis Labs | CVPR | 2024년 | [PUB] [SUPP] [PDF] [CODE] |
| Device-Wise Federated Network Pruning | 피트 | CVPR | 2024년 | [PUB] [SUPP] |
| Byzantine-robust Decentralized Federated Learning via Dual-domain Clustering and Trust Bootstrapping | HNU; PolyU; 에어즈 | CVPR | 2024년 | [PUB] [SUPP] |
| DiPrompT: Disentangled Prompt Tuning for Multiple Latent Domain Generalization in Federated Learning | HKUST; PolyU | CVPR | 2024년 | [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 | 2024년 | [PUB] [SUPP] [PDF] [CODE] [POSTER] [SLIDES] |
| An Aggregation-Free Federated Learning for Tackling Data Heterogeneity | A* STAR | CVPR | 2024년 | [PUB] [SUPP] [PDF] |
| FLHetBench: Benchmarking Device and State Heterogeneity in Federated Learning | BUAA; HKU | CVPR | 2024년 | [PUB] [SUPP] [CODE] [PAGE] [POSTER] [VIDEO] |
| Collaborative Visual Place Recognition through Federated Learning | CVPR workshop | 2024년 | [PUB] [SUPP] [PDF] | |
| FedProK: Trustworthy Federated Class-Incremental Learning via Prototypical Feature Knowledge Transfer | CVPR workshop | 2024년 | [PUB] [SUPP] [PDF] | |
| Federated Hyperparameter Optimization Through Reward-Based Strategies: Challenges and Insights | CVPR workshop | 2024년 | [선술집] | |
| On the Efficiency of Privacy Attacks in Federated Learning | CVPR workshop | 2024년 | [PUB] [PDF] | |
| FedCE: Personalized Federated Learning Method based on Clustering Ensembles | BJTU | MM | 2023년 | [선술집] |
| FedVQA: Personalized Federated Visual Question Answering over Heterogeneous Scenes | Leiden University | MM | 2023년 | [선술집] |
| Towards Fast and Stable Federated Learning: Confronting Heterogeneity via Knowledge Anchor | XJTU | MM | 2023년 | [PUB] [PDF] [CODE] |
| Federated Deep Multi-View Clustering with Global Self-Supervision | UESTC | MM | 2023년 | [PUB] [PDF] |
| FedAA: Using Non-sensitive Modalities to Improve Federated Learning while Preserving Image Privacy | ZJU | MM | 2023년 | [선술집] |
| Prototype-guided Knowledge Transfer for Federated Unsupervised Cross-modal Hashing | SDNU | MM | 2023년 | [PUB] [CODE] |
| Joint Local Relational Augmentation and Global Nash Equilibrium for Federated Learning with Non-IID Data | ZJU | MM | 2023년 | [PUB] [PDF] |
| FedCD: A Classifier Debiased Federated Learning Framework for Non-IID Data | BUPT | MM | 2023년 | [선술집] |
| Federated Learning with Label-Masking Distillation | UCAS | MM | 2023년 | [PUB] [CODE] |
| Cross-Silo Prototypical Calibration for Federated Learning with Non-IID Data | SDU | MM | 2023년 | [PUB] [PDF] [CODE] |
| A Four-Pronged Defense Against Byzantine Attacks in Federated Learning | HUST | MM | 2023년 | [PUB] [PDF] |
| Client-Adaptive Cross-Model Reconstruction Network for Modality-Incomplete Multimodal Federated Learning | CAS; Peng Cheng Laboratory; UCAS | MM | 2023년 | [선술집] |
| FedGH: Heterogeneous Federated Learning with Generalized Global Header | NKU | MM | 2023년 | [PUB] [PDF] [CODE] |
| Cuing Without Sharing: A Federated Cued Speech Recognition Framework via Mutual Knowledge Distillation | CUHK | MM | 2023년 | [PUB] [PDF] [CODE] |
| AffectFAL: Federated Active Affective Computing with Non-IID Data | TJUT | MM | 2023년 | [PUB] [CODE] |
| Improving Federated Person Re-Identification through Feature-Aware Proximity and Aggregation | SZU | MM | 2023년 | [선술집] |
| Towards Attack-tolerant Federated Learning via Critical Parameter Analysis | 카이스트 | ICCV | 2023년 | [PUB] [PDF] [CODE] [SUPP] |
| Efficient Model Personalization in Federated Learning via Client-Specific Prompt Generation | NTU; 엔비디아 | ICCV | 2023년 | [PUB] [PDF] [SUPP] |
| Generative Gradient Inversion via Over-Parameterized Networks in Federated Learning | A*STAR | ICCV | 2023년 | [PUB] [CODE] [SUPP] |
| GPFL: Simultaneously Learning Global and Personalized Feature Information for Personalized Federated Learning | SJTU | ICCV | 2023년 | [PUB] [PDF] [CODE] [SUPP] |
| Workie-Talkie: Accelerating Federated Learning by Overlapping Computing and Communications via Contrastive Regularization | University of Houston | ICCV | 2023년 | [PUB] [SUPP] |
| PGFed: Personalize Each Client's Global Objective for Federated Learning | University of Pittsburgh | ICCV | 2023년 | [PUB] [PDF] [CODE] [SUPP] |
| FedPerfix: Towards Partial Model Personalization of Vision Transformers in Federated Learning | UCF | ICCV | 2023년 | [PUB] [PDF] [CODE] [SUPP] |
| L-DAWA: Layer-wise Divergence Aware Weight Aggregation in Federated Self-Supervised Visual Representation Learning | TCL AI Lab | ICCV | 2023년 | [PUB] [PDF] [SUPP] |
| FedPD: Federated Open Set Recognition with Parameter Disentanglement | 홍콩 시립대학교 | ICCV | 2023년 | [PUB] [CODE] |
| TARGET: Federated Class-Continual Learning via Exemplar-Free Distillation | ETH Zurich; Sony AI | ICCV | 2023년 | [PUB] [PDF] [CODE] |
| Towards Instance-adaptive Inference for Federated Learning | A*STAR | ICCV | 2023년 | [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 | 2023년 | [PUB] [PDF] [CODE] |
| zPROBE: Zero Peek Robustness Checks for Federated Learning | Purdue University | ICCV | 2023년 | [PUB] [PDF] [SUPP] |
| ProtoFL: Unsupervised Federated Learning via Prototypical Distillation | KakaoBank Corp. | ICCV | 2023년 | [PUB] [PDF] |
| MAS: Towards Resource-Efficient Federated Multiple-Task Learning | Sony AI | ICCV | 2023년 | [PUB] [PDF] [CODE] [SUPP] |
| FSAR: Federated Skeleton-based Action Recognition with Adaptive Topology Structure and Knowledge Distillation | PKU | ICCV | 2023년 | [PUB] [PDF] [SUPP] |
| When Do Curricula Work in Federated Learning? | UCSD | ICCV | 2023년 | [PUB] [PDF] [SUPP] |
| Communication-Efficient Vertical Federated Learning with Limited Overlapping Samples | Duke University | ICCV | 2023년 | [PUB] [PDF] [CODE] |
| Multi-Metrics Adaptively Identifies Backdoors in Federated Learning | 짧은 꼬리 | ICCV | 2023년 | [PUB] [PDF] [CODE] [SUPP] |
| No Fear of Classifier Biases: Neural Collapse Inspired Federated Learning with Synthetic and Fixed Classifier | ZJU | ICCV | 2023년 | [PUB] [PDF] [CODE] [SUPP] |
| FRAug: Tackling Federated Learning with Non-IID Features via Representation Augmentation | Ludwig Maximilian University of Munich; Siemens Technology | ICCV | 2023년 | [PUB] [PDF] [SUPP] |
| Bold but Cautious: Unlocking the Potential of Personalized Federated Learning through Cautiously Aggressive Collaboration | BUAA | ICCV | 2023년 | [PUB] [PDF] [CODE] [SUPP] |
| Global Balanced Experts for Federated Long-Tailed Learning | CUHK-Shenzhen | ICCV | 2023년 | [PUB] [CODE] [SUPP] |
| Knowledge-Aware Federated Active Learning with Non-IID Data | The University of Sydney | ICCV | 2023년 | [PUB] [PDF] [CODE] [SUPP] |
| Enhancing Privacy Preservation in Federated Learning via Learning Rate Perturbation | BUPT | ICCV | 2023년 | [PUB] [SUPP] |
| Local or Global: Selective Knowledge Assimilation for Federated Learning with Limited Labels | CMU | ICCV | 2023년 | [PUB] [PDF] [SUPP] |
| Federated Learning Over Images: Vertical Decompositions and Pre-Trained Backbones Are Difficult to Beat | Rice University | ICCV | 2023년 | [PUB] [PDF] [CODE] [SUPP] |
| Robust Heterogeneous Federated Learning under Data Corruption | WHU | ICCV | 2023년 | [PUB] [CODE] [SUPP] |
| Personalized Semantics Excitation for Federated Image Classification | Tulane University | ICCV | 2023년 | [PUB] [CODE] |
| Reducing Training Time in Cross-Silo Federated Learning Using Multigraph Topology | AIOZ | ICCV | 2023년 | [PUB] [PDF] [CODE] [SUPP] |
| Window-based Model Averaging Improves Generalization in Heterogeneous Federated Learning. | Politecnico di Torino | ICCV workshop | 2023년 | [PUB] [PDF] |
| Experience Replay as an Effective Strategy for Optimizing Decentralized Federated Learning. | University of Catania | ICCV workshop | 2023년 | [선술집] |
| FedRCIL: Federated Knowledge Distillation for Representation based Contrastive Incremental Learning. | Centre for Research and Technology Hellas; University of West Attica | ICCV workshop | 2023년 | [PUB] [CODE] |
| FedLID: Self-Supervised Federated Learning for Leveraging Limited Image Data. | Centre for Research and Technology Hellas; University of West Attica | ICCV workshop | 2023년 | [선술집] |
| Rethinking Federated Learning With Domain Shift: A Prototype View | WHU | CVPR | 2023년 | [PUB] [CODE] |
| Class Balanced Adaptive Pseudo Labeling for Federated Semi-Supervised Learning | ECNU | CVPR | 2023년 | [PUB] [CODE] |
| DaFKD: Domain-Aware Federated Knowledge Distillation | HUST | CVPR | 2023년 | [PUB] [CODE] |
| The Resource Problem of Using Linear Layer Leakage Attack in Federated Learning | Purdue University | CVPR | 2023년 | [PUB] [PDF] |
| FedSeg: Class-Heterogeneous Federated Learning for Semantic Segmentation | ZJU | CVPR | 2023년 | [선술집] |
| On the Effectiveness of Partial Variance Reduction in Federated Learning With Heterogeneous Data | DTU | CVPR | 2023년 | [PUB] [PDF] |
| Elastic Aggregation for Federated Optimization | 메이투안 | CVPR | 2023년 | [선술집] |
| FedDM: Iterative Distribution Matching for Communication-Efficient Federated Learning | UCLA | CVPR | 2023년 | [PUB] [PDF] |
| Adaptive Channel Sparsity for Federated Learning Under System Heterogeneity | 음 | CVPR | 2023년 | [선술집] |
| ScaleFL: Resource-Adaptive Federated Learning With Heterogeneous Clients | GaTech | CVPR | 2023년 | [PUB] [CODE] |
| Reliable and Interpretable Personalized Federated Learning | TJU | CVPR | 2023년 | [선술집] |
| Federated Domain Generalization With Generalization Adjustment | SJTU | CVPR | 2023년 | [PUB] [CODE] |
| Make Landscape Flatter in Differentially Private Federated Learning | 목 | CVPR | 2023년 | [PUB] [PDF] [CODE] |
| Confidence-Aware Personalized Federated Learning via Variational Expectation Maximization | KU 루벤 | CVPR | 2023년 | [PUB] [PDF] [CODE] |
| STDLens: Model Hijacking-Resilient Federated Learning for Object Detection | GaTech | CVPR | 2023년 | [PUB] [PDF] [CODE] |
| Re-Thinking Federated Active Learning Based on Inter-Class Diversity | 카이스트 | CVPR | 2023년 | [PUB] [PDF] [CODE] |
| Learning Federated Visual Prompt in Null Space for MRI Reconstruction | A*STAR | CVPR | 2023년 | [PUB] [PDF] [CODE] |
| Fair Federated Medical Image Segmentation via Client Contribution Estimation | CUHK | CVPR | 2023년 | [PUB] [PDF] [CODE] |
| Federated Learning With Data-Agnostic Distribution Fusion | NJU | CVPR | 2023년 | [PUB] [CODE] |
| How To Prevent the Poor Performance Clients for Personalized Federated Learning? | CSU | CVPR | 2023년 | [선술집] |
| GradMA: A Gradient-Memory-Based Accelerated Federated Learning With Alleviated Catastrophic Forgetting | ECNU | CVPR | 2023년 | [PUB] [PDF] [CODE] |
| Bias-Eliminating Augmentation Learning for Debiased Federated Learning | NTU | CVPR | 2023년 | [선술집] |
| Federated Incremental Semantic Segmentation | CAS; UCAS | CVPR | 2023년 | [PUB] [PDF] [CODE] |
| Asynchronous Federated Continual Learning | University of Padova | CVPR workshop | 2023년 | [PUB] [PDF] [SILDES] [CODE] |
| Mixed Quantization Enabled Federated Learning To Tackle Gradient Inversion Attacks | UMBC | CVPR workshop | 2023년 | [PUB] [CODE] |
| OpenFed: A Comprehensive and Versatile Open-Source Federated Learning Framework | 메이투안 | CVPR workshop | 2023년 | [PUB] [PDF] [CODE] |
| Federated Learning in Non-IID Settings Aided by Differentially Private Synthetic Data | 유텍사스 | CVPR workshop | 2023년 | [PUB] [SUPP] [PDF] [CODE] |
| TimelyFL: Heterogeneity-Aware Asynchronous Federated Learning With Adaptive Partial Training | USC | CVPR workshop | 2023년 | [PUB] [PDF] |
| Many-Task Federated Learning: A New Problem Setting and a Simple Baseline | 유텍사스 | CVPR workshop | 2023년 | [PUB] [CODE] |
| Confederated Learning: Going Beyond Centralization | CAS; UCAS | MM | 2022년 | [선술집] |
| Few-Shot Model Agnostic Federated Learning | WHU | MM | 2022년 | [PUB] [CODE] |
| Feeling Without Sharing: A Federated Video Emotion Recognition Framework Via Privacy-Agnostic Hybrid Aggregation | TJUT | MM | 2022년 | [선술집] |
| FedLTN: Federated Learning for Sparse and Personalized Lottery Ticket Networks | ECCV | 2022년 | [PUB] [SUPP] | |
| Auto-FedRL: Federated Hyperparameter Optimization for Multi-Institutional Medical Image Segmentation | ECCV | 2022년 | [PUB] [SUPP] [PDF] [CODE] | |
| Improving Generalization in Federated Learning by Seeking Flat Minima | Politecnico di Torino | ECCV | 2022년 | [PUB] [SUPP] [PDF] [CODE] |
| AdaBest: Minimizing Client Drift in Federated Learning via Adaptive Bias Estimation | ECCV | 2022년 | [PUB] [SUPP] [PDF] [CODE] [PAGE] | |
| SphereFed: Hyperspherical Federated Learning | ECCV | 2022년 | [PUB] [SUPP] [PDF] | |
| Federated Self-Supervised Learning for Video Understanding | ECCV | 2022년 | [PUB] [PDF] [CODE] | |
| FedVLN: Privacy-Preserving Federated Vision-and-Language Navigation | ECCV | 2022년 | [PUB] [SUPP] [PDF] [CODE] | |
| Addressing Heterogeneity in Federated Learning via Distributional Transformation | ECCV | 2022년 | [PUB] [CODE] | |
| FedX: Unsupervised Federated Learning with Cross Knowledge Distillation | 카이스트 | ECCV | 2022년 | [PUB] [SUPP] [PDF] [CODE] |
| Personalizing Federated Medical Image Segmentation via Local Calibration | Xiamen University | ECCV | 2022년 | [PUB] [SUPP] [PDF] [CODE] |
| ATPFL: Automatic Trajectory Prediction Model Design Under Federated Learning Framework | 때리다 | CVPR | 2022년 | [선술집] |
| Rethinking Architecture Design for Tackling Data Heterogeneity in Federated Learning | 스탠포드 | CVPR | 2022년 | [PUB] [SUPP] [PDF] [CODE] [VIDEO] |
| FedCorr: Multi-Stage Federated Learning for Label Noise Correction | Singapore University of Technology and Design | CVPR | 2022년 | [PUB] [SUPP] [PDF] [CODE] [VIDEO] |
| FedCor: Correlation-Based Active Client Selection Strategy for Heterogeneous Federated Learning | Duke University | CVPR | 2022년 | [PUB] [SUPP] [PDF] |
| Layer-Wised Model Aggregation for Personalized Federated Learning | PolyU | CVPR | 2022년 | [PUB] [SUPP] [PDF] |
| Local Learning Matters: Rethinking Data Heterogeneity in Federated Learning | 센트럴플로리다대학교 | CVPR | 2022년 | [PUB] [SUPP] [PDF] [CODE] |
| Federated Learning With Position-Aware Neurons | Nanjing University | CVPR | 2022년 | [PUB] [SUPP] [PDF] |
| RSCFed: Random Sampling Consensus Federated Semi-Supervised Learning | HKUST | CVPR | 2022년 | [PUB] [SUPP] [PDF] [CODE] |
| Learn From Others and Be Yourself in Heterogeneous Federated Learning | 우한대학교 | CVPR | 2022년 | [PUB] [CODE] [VIDEO] |
| Robust Federated Learning With Noisy and Heterogeneous Clients | 우한대학교 | CVPR | 2022년 | [PUB] [SUPP] [CODE] |
| ResSFL: A Resistance Transfer Framework for Defending Model Inversion Attack in Split Federated Learning | 애리조나 주립대학교 | CVPR | 2022년 | [PUB] [SUPP] [PDF] [CODE] |
| FedDC: Federated Learning With Non-IID Data via Local Drift Decoupling and Correction | National University of Defense Technology | CVPR | 2022년 | [PUB] [PDF] [CODE] [解读] |
| Federated Class-Incremental Learning | CAS; Northwestern University; UTS | CVPR | 2022년 | [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 | 2022년 | [PUB] [PDF] |
| Differentially Private Federated Learning With Local Regularization and Sparsification | CAS | CVPR | 2022년 | [PUB] [PDF] |
| Auditing Privacy Defenses in Federated Learning via Generative Gradient Leakage | University of Tennessee; Oak Ridge National Laboratory; Google Research | CVPR | 2022년 | [PUB] [PDF] [CODE] [VIDEO] |
| CD2-pFed: Cyclic Distillation-Guided Channel Decoupling for Model Personalization in Federated Learning | SJTU | CVPR | 2022년 | [PUB] [PDF] |
| Closing the Generalization Gap of Cross-Silo Federated Medical Image Segmentation | 대학 of Pittsburgh; 엔비디아 | CVPR | 2022년 | [PUB] [PDF] |
| Adaptive Differential Filters for Fast and Communication-Efficient Federated Learning | 현대중공업 | CVPR workshop | 2022년 | [PUB] [PDF] [SILDES] [VIDEO] |
| MPAF: Model Poisoning Attacks to Federated Learning Based on Fake Clients | Duke University | CVPR workshop | 2022년 | [PUB] [PDF] [SILDES] [VIDEO] |
| Communication-Efficient Federated Data Augmentation on Non-IID Data | UESTC | CVPR workshop | 2022년 | [선술집] |
| Does Federated Dropout Actually Work? | 스탠포드 | CVPR workshop | 2022년 | [PUB] [VIDEO] |
| FedIris: Towards More Accurate and Privacy-preserving Iris Recognition via Federated Template Communication | USTC; CRIPAC; CASIA | CVPR workshop | 2022년 | [PUB] [SLIDES] [VIDEO] |
| Multi-Institutional Collaborations for Improving Deep Learning-Based Magnetic Resonance Image Reconstruction Using Federated Learning | 존스홉킨스대학교 | CVPR | 2021 | [PUB] [PDF] [CODE] |
| Model-Contrastive Federated Learning | NUS; UC 버클리 | CVPR | 2021 | [PUB] [PDF] [CODE] [解读] |
| FedDG: Federated Domain Generalization on Medical Image Segmentation via Episodic Learning in Continuous Frequency Space | CUHK | CVPR | 2021 | [PUB] [PDF] [CODE] |
| Soteria: Provable Defense Against Privacy Leakage in Federated Learning From Representation Perspective | Duke University | CVPR | 2021 | [PUB] [PDF] [CODE] |
| Federated Learning for Non-IID Data via Unified Feature Learning and Optimization Objective Alignment | PKU | ICCV | 2021 | [선술집] |
| Ensemble Attention Distillation for Privacy-Preserving Federated Learning | 버팔로 대학교 | ICCV | 2021 | [PUB] [PDF] |
| Collaborative Unsupervised Visual Representation Learning from Decentralized Data | NTU; SenseTime | ICCV | 2021 | [PUB] [PDF] |
| Joint Optimization in Edge-Cloud Continuum for Federated Unsupervised Person Re-identification | NTU | MM | 2021 | [PUB] [PDF] |
| Federated Visual Classification with Real-World Data Distribution | MIT; Google | ECCV | 2020 | [PUB] [PDF] [VIDEO] |
| InvisibleFL: Federated Learning over Non-Informative Intermediate Updates against Multimedia Privacy Leakages | MM | 2020 | [선술집] | |
Performance Optimization of Federated Person Re-identification via Benchmark Analysis data. | NTU | MM | 2020 | [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).
| 제목 | 입회 | 장소 | 년도 | 재료 |
|---|---|---|---|---|
| A Hassle-free Algorithm for Strong Differential Privacy in Federated Learning Systems | EMNLP | 2024년 | [선술집] | |
| Safely Learning with Private Data: A Federated Learning Framework for Large Language Model | EMNLP | 2024년 | [선술집] | |
| FEDKIM: Adaptive Federated Knowledge Injection into Medical Foundation Models | EMNLP | 2024년 | [선술집] | |
| Fisher Information-based Efficient Curriculum Federated Learning with Large Language Models | EMNLP | 2024년 | [선술집] | |
| Heterogeneous LoRA for Federated Fine-tuning of On-Device Foundation Models | EMNLP | 2024년 | [선술집] | |
| Promoting Data and Model Privacy in Federated Learning through Quantized LoRA | EMNLP Findings | 2024년 | [선술집] | |
| Heterogeneous LoRA for Federated Fine-tuning of On-Device Foundation Models | EMNLP Findings | 2024년 | [선술집] | |
| Generalizable Multilingual Hate Speech Detection on Low Resource Indian Languages using Fair Selection in Federated Learning | NAACL | 2024년 | [선술집] | |
| Open-Vocabulary Federated Learning with Multimodal Prototyping | NAACL | 2024년 | [선술집] | |
| Navigation as Attackers Wish? Towards Building Robust Embodied Agents under Federated Learning | NAACL | 2024년 | [선술집] | |
| FedLFC: Towards Efficient Federated Multilingual Modeling with LoRA-based Language Family Clustering. | NAACL Findings | 2024년 | [선술집] | |
| Personalized Federated Learning for Text Classification with Gradient-Free Prompt Tuning. | NAACL Findings | 2024년 | [선술집] | |
| Can Public Large Language Models Help Private Cross-device Federated Learning? | NAACL Findings | 2024년 | [선술집] | |
| Fair Federated Learning with Biased Vision-Language Models | ACL Findings | 2024년 | [선술집] | |
| Federated Learning of Large Language Models with Parameter-Efficient Prompt Tuning and Adaptive Optimization | Auburn University | EMNLP | 2023년 | [PUB] [PDF] [CODE] |
| Federated Meta-Learning for Emotion and Sentiment Aware Multi-modal Complaint Identification | IIT Patna | EMNLP | 2023년 | [PUB] [CODE] |
| FedID: Federated Interactive Distillation for Large-Scale Pretraining Language Models | YNU | EMNLP | 2023년 | [PUB] [CODE] |
| FedTherapist: Mental Health Monitoring with User-Generated Linguistic Expressions on Smartphones via Federated Learning | 카이스트 | EMNLP | 2023년 | [PUB] [PDF] |
| Coordinated Replay Sample Selection for Continual Federated Learning | CMU | EMNLP industry Track | 2023년 | [PUB] [PDF] |
| Tunable Soft Prompts are Messengers in Federated Learning | SYSU | EMNLP Findings | 2023년 | [PUB] [PDF] [CODE] |
| Federated Learning for Semantic Parsing: Task Formulation, Evaluation Setup, New Algorithms | OSU | ACL | 2023년 | [PUB] [PDF] [CODE] |
| FEDLEGAL: The First Real-World Federated Learning Benchmark for Legal NLP | 때리다; Peng Cheng Lab | ACL | 2023년 | [PUB] [CODE] |
| Client-Customized Adaptation for Parameter-Efficient Federated Learning | ACL Findings | 2023년 | [선술집] | |
| Communication Efficient Federated Learning for Multilingual Neural Machine Translation with Adapter | ACL Findings | 2023년 | [PUB] [PDF] [CODE] | |
| Federated Domain Adaptation for Named Entity Recognition via Distilling with Heterogeneous Tag Sets | ACL Findings | 2023년 | [선술집] | |
| FedPETuning: When Federated Learning Meets the Parameter-Efficient Tuning Methods of Pre-trained Language Models | ACL Findings | 2023년 | [선술집] | |
| Federated Learning of Gboard Language Models with Differential Privacy | ACL Industry Track | 2023년 | [PUB] [PDF] | |
| Backdoor Attacks in Federated Learning by Rare Embeddings and Gradient Ensembling | 서울대학교 | EMNLP | 2022년 | [PUB] [PDF] |
| A Federated Approach to Predicting Emojis in Hindi Tweets | University of Alberta | EMNLP | 2022년 | [PUB] [PDF] [CODE] |
| Federated Model Decomposition with Private Vocabulary for Text Classification | 때리다; Peng Cheng Lab | EMNLP | 2022년 | [PUB] [CODE] |
| Fair NLP Models with Differentially Private Text Encoders | 대학 Lille | EMNLP | 2022년 | [PUB] [PDF] [CODE] |
| Federated Continual Learning for Text Classification via Selective Inter-client Transfer | DRIMCo GmbH; LMU | EMNLP Findings | 2022년 | [PUB] [PDF] [CODE] |
Efficient Federated Learning on Knowledge Graphs via Privacy-preserving Relation Embedding Aggregation kg. | 리하이대학교 | EMNLP Findings | 2022년 | [PUB] [PDF] [CODE] |
| Dim-Krum: Backdoor-Resistant Federated Learning for NLP with Dimension-wise Krum-Based Aggregation | PKU | EMNLP Findings | 2022년 | [PUB] [PDF] |
| Scaling Language Model Size in Cross-Device Federated Learning | ACL workshop | 2022년 | [PUB] [PDF] | |
| Intrinsic Gradient Compression for Scalable and Efficient Federated Learning | 옥스퍼드 | ACL workshop | 2022년 | [PUB] [PDF] |
| ActPerFL: Active Personalized Federated Learning | 아마존 | ACL workshop | 2022년 | [PUB] [PAGE] |
| FedNLP: Benchmarking Federated Learning Methods for Natural Language Processing Tasks | USC | NAACL | 2022년 | [PUB] [PDF] [CODE] |
| Federated Learning with Noisy User Feedback | USC; 아마존 | NAACL | 2022년 | [PUB] [PDF] |
| Training Mixed-Domain Translation Models via Federated Learning | 아마존 | NAACL | 2022년 | [PUB] [PAGE] [PDF] |
| Pretrained Models for Multilingual Federated Learning | 존스홉킨스대학교 | NAACL | 2022년 | [PUB] [PDF] [CODE] |
| Federated Chinese Word Segmentation with Global Character Associations | University of Washington | ACL workshop | 2021 | [PUB] [CODE] |
| Efficient-FedRec: Efficient Federated Learning Framework for Privacy-Preserving News Recommendation | USTC | EMNLP | 2021 | [PUB] [PDF] [CODE] [VIDEO] |
| Improving Federated Learning for Aspect-based Sentiment Analysis via Topic Memories | CUHK (Shenzhen) | EMNLP | 2021 | [PUB] [CODE] [VIDEO] |
| A Secure and Efficient Federated Learning Framework for NLP | University of Connecticut | EMNLP | 2021 | [PUB] [PDF] [VIDEO] |
| Distantly Supervised Relation Extraction in Federated Settings | UCAS | EMNLP workshop | 2021 | [PUB] [PDF] [CODE] |
| Federated Learning with Noisy User Feedback | USC; 아마존 | NAACL workshop | 2021 | [PUB] [PDF] |
| An Investigation towards Differentially Private Sequence Tagging in a Federated Framework | 함부르크 대학교 | NAACL workshop | 2021 | [선술집] |
| Understanding Unintended Memorization in Language Models Under Federated Learning | NAACL workshop | 2021 | [PUB] [PDF] | |
| FedED: Federated Learning via Ensemble Distillation for Medical Relation Extraction | CAS | EMNLP | 2020 | [PUB] [VIDEO] [解读] |
| Empirical Studies of Institutional Federated Learning For Natural Language Processing | Ping An Technology | EMNLP workshop | 2020 | [선술집] |
| Federated Learning for Spoken Language Understanding | PKU | COLING | 2020 | [선술집] |
| Two-stage Federated Phenotyping and Patient Representation Learning | Boston Children's Hospital Harvard Medical School | ACL workshop | 2019 | [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).
| 제목 | 입회 | 장소 | 년도 | 재료 |
|---|---|---|---|---|
| ReFer: Retrieval-Enhanced Vertical Federated Recommendation for Full Set User Benefit | 목 | SIGIR | 2024년 | [선술집] |
| Revisit Targeted Model Poisoning on Federated Recommendation: Optimize via Multi-objective Transport | ZJU | SIGIR | 2024년 | [선술집] |
| FeB4RAG: Evaluating Federated Search in the Context of Retrieval Augmented Generation | UQ | SIGIR | 2024년 | [PUB] [PDF] [CODE] |
| FedUD: Exploiting Unaligned Data for Cross-Platform Federated Click-Through Rate Prediction | 알리바바 그룹 | SIGIR | 2024년 | [선술집] |
| Personalized Federated Relation Classification over Heterogeneous Texts | NUDT | SIGIR | 2023년 | [선술집] |
| Fine-Grained Preference-Aware Personalized Federated POI Recommendation with Data Sparsity | SDU | SIGIR | 2023년 | [선술집] |
| Manipulating Federated Recommender Systems: Poisoning with Synthetic Users and Its Countermeasures | UQ | SIGIR | 2023년 | [PUB] [PDF] |
| FedAds: A Benchmark for Privacy-Preserving CVR Estimation with Vertical Federated Learning | 알리바바 그룹 | SIGIR | 2023년 | [PUB] [PDF] [CODE] |
| Edge-cloud Collaborative Learning with Federated and Centralized Features (short-paper) | ZJU | SIGIR | 2023년 | [PUB] [PDF] |
| FLIRT: Federated Learning for Information Retrieval (extended-abstract) | IMT Lucca | SIGIR | 2023년 | [선술집] |
| Is Non-IID Data a Threat in Federated Online Learning to Rank? | The University of Queensland | SIGIR | 2022년 | [PUB] [CODE] |
| FedCT: Federated Collaborative Transfer for Recommendation | Rutgers University | SIGIR | 2021 | [PUB] [PDF] [CODE] |
| On the Privacy of Federated Pipelines | 뮌헨 기술대학교 | SIGIR | 2021 | [선술집] |
| FedCMR: Federated Cross-Modal Retrieval. | 대련 공과대학교 | SIGIR | 2021 | [PUB] [CODE] |
| Meta Matrix Factorization for Federated Rating Predictions. | SDU | SIGIR | 2020 | [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).
| 제목 | 입회 | 장소 | 년도 | 재료 |
|---|---|---|---|---|
| FedMix: Boosting with Data Mixture for Vertical Federated Learning | ICDE | 2024년 | [선술집] | |
| FedCross: Towards Accurate Federated Learning via Multi-Model Cross-Aggregation | ICDE | 2024년 | [선술집] | |
| Clients Help Clients: Alternating Collaboration for Semi-Supervised Federated Learning | ICDE | 2024년 | [선술집] | |
| Semi-Asynchronous Online Federated Crowdsourcing | ICDE | 2024년 | [선술집] | |
| AdaFGL: A New Paradigm for Federated Node Classification with Topology Heterogeneity | ICDE | 2024년 | [선술집] | |
| MergeSFL: Split Federated Learning with Feature Merging and Batch Size Regulation | ICDE | 2024년 | [선술집] | |
| LightTR: A Lightweight Framework for Federated Trajectory Recovery | ICDE | 2024년 | [선술집] | |
| Feed: Towards Personalization-Effective Federated Learning | ICDE | 2024년 | [선술집] | |
| Label Noise Correction for Federated Learning: A Secure, Efficient and Reliable Realization | ICDE | 2024년 | [선술집] | |
| Fast, Robust and Interpretable Participant Contribution Estimation for Federated Learning | ICDE | 2024년 | [선술집] | |
| HeteFedRec: Federated Recommender Systems with Model Heterogeneity | ICDE | 2024년 | [선술집] | |
| Hide Your Model: A Parameter Transmission-free Federated Recommender System | ICDE | 2024년 | [선술집] | |
| FedCTQ: A Federated-Based Framework for Accurate and Efficient Contact Tracing Query | ICDE | 2024년 | [선술집] | |
| Preventing the Popular Item Embedding Based Attack in Federated Recommendations | ICDE | 2024년 | [선술집] | |
| RobFL: Robust Federated Learning via Feature Center Separation and Malicious Center Detection | ICDE | 2024년 | [선술집] | |
| Federated Fine-Tuning of LLMs on the Very Edge: The Good, the Bad, the Ugly | TUM | DEEM@SIGMOD | 2024년 | [선술집] |
| FedSQ: A Secure System for Federated Vector Similarity Queries | VLDB | 2024년 | [선술집] | |
| FedSM: A Practical Federated Shared Mobility System | VLDB | 2024년 | [선술집] | |
| OFL-W3: A One-Shot Federated Learning System on Web 3.0 | VLDB | 2024년 | [선술집] | |
| Contributions Estimation in Federated Learning: A Comprehensive Experimental Evaluation | VLDB | 2024년 | [선술집] | |
| OFL-W3: A One-shot Federated Learning System on Web 3.0 | VLDB | 2024년 | [선술집] | |
| Uldp-FL: Federated Learning with Across Silo User-Level Differential Privacy. | VLDB | 2024년 | [선술집] | |
| FedSM: A Practical Federated Shared Mobility System. | VLDB | 2024년 | [선술집] | |
| FedSQ: A Secure System for Federated Vector Similarity Queries | VLDB | 2024년 | [선술집] | |
| Performance-Based Pricing of Federated Learning via Auction | 알리바바 그룹 | VLDB | 2024년 | [PUB] [CODE] |
| A Blockchain System for Clustered Federated Learning with Peer-to-Peer Knowledge Transfer | NJU | VLDB | 2024년 | [PUB] [CODE] |
| Communication Efficient and Provable Federated Unlearning | SDU; KAUST | VLDB | 2024년 | [PUB] [PDF] [CODE] |
| Enhancing Decentralized Federated Learning for Non-IID Data on Heterogeneous Devices | USTC | ICDE | 2023년 | [선술집] |
| Dynamic Activation of Clients and Parameters for Federated Learning over Heterogeneous Graphs | 컬럼비아대학교 | ICDE | 2023년 | [PUB] [CODE] |
| FedKNOW: Federated Continual Learning with Signature Task Knowledge Integration at Edge | 조금 | ICDE | 2023년 | [PUB] [PDF] |
| Lumos: Heterogeneity-aware Federated Graph Learning over Decentralized Devices | SJTU | ICDE | 2023년 | [PUB] [PDF] |
| Federated IoT Interaction Vulnerability Analysis | MSU | ICDE | 2023년 | [선술집] |
| Distribution-Regularized Federated Learning on Non-IID Data | BUAA | ICDE | 2023년 | [선술집] |
| Fed-SC: One-Shot Federated Subspace Clustering over High-Dimensional Data | ShanghaiTech University | ICDE | 2023년 | [PUB] [CODE] |
| FLBooster: A Unified and Efficient Platform for Federated Learning Acceleration | ZJU | ICDE | 2023년 | [선술집] |
| FedGTA: Topology-aware Averaging for Federated Graph Learning. | 조금 | VLDB | 2023년 | [PUB] [CODE] |
| FS-Real: A Real-World Cross-Device Federated Learning Platform. | 알리바바 그룹 | VLDB | 2023년 | [PUB] [PDF] [CODE] |
| Federated Calibration and Evaluation of Binary Classifiers. | 메타 | VLDB | 2023년 | [PUB] [PDF] [CODE] |
| Olive: Oblivious Federated Learning on Trusted Execution Environment Against the Risk of Sparsification. | 교토대학 | VLDB | 2023년 | [PUB] [PDF] [CODE] |
| Falcon: A Privacy-Preserving and Interpretable Vertical Federated Learning System. | NUS | VLDB | 2023년 | [PUB] [CODE] |
| Differentially Private Vertical Federated Clustering. | Purdue University | VLDB | 2023년 | [PUB] [PDF] [CODE] |
| FederatedScope: A Flexible Federated Learning Platform for Heterogeneity. | 알리바바 | VLDB | 2023년 | [PUB] [PDF] [CODE] |
| Secure Shapley Value for Cross-Silo Federated Learning. | 교토대학 | VLDB | 2023년 | [PUB] [PDF] [CODE] |
| OpBoost: A Vertical Federated Tree Boosting Framework Based on Order-Preserving Desensitization | ZJU | VLDB | 2022년 | [PUB] [PDF] [CODE] |
| Skellam Mixture Mechanism: a Novel Approach to Federated Learning with Differential Privacy. | NUS | VLDB | 2022년 | [PUB] [CODE] |
| Towards Communication-efficient Vertical Federated Learning Training via Cache-enabled Local Update | PKU | VLDB | 2022년 | [PUB] [PDF] [CODE] |
| FedTSC: A Secure Federated Learning System for Interpretable Time Series Classification. | 때리다 | VLDB | 2022년 | [PUB] [CODE] |
| Improving Fairness for Data Valuation in Horizontal Federated Learning | The UBC | ICDE | 2022년 | [PUB] [PDF] |
| FedADMM: A Robust Federated Deep Learning Framework with Adaptivity to System Heterogeneity | USTC | ICDE | 2022년 | [PUB] [PDF] [CODE] |
| FedMP: Federated Learning through Adaptive Model Pruning in Heterogeneous Edge Computing. | USTC | ICDE | 2022년 | [선술집] |
| Federated Learning on Non-IID Data Silos: An Experimental Study. | NUS | ICDE | 2022년 | [PUB] [PDF] [CODE] |
| Enhancing Federated Learning with Intelligent Model Migration in Heterogeneous Edge Computing | USTC | ICDE | 2022년 | [선술집] |
| Samba: A System for Secure Federated Multi-Armed Bandits | 대학 Clermont Auvergne | ICDE | 2022년 | [PUB] [CODE] |
| FedRecAttack: Model Poisoning Attack to Federated Recommendation | ZJU | ICDE | 2022년 | [PUB] [PDF] [CODE] |
| Enhancing Federated Learning with In-Cloud Unlabeled Data | USTC | ICDE | 2022년 | [선술집] |
| Efficient Participant Contribution Evaluation for Horizontal and Vertical Federated Learning | USTC | ICDE | 2022년 | [선술집] |
| An Introduction to Federated Computation | University of Warwick; 페이스북 | SIGMOD Tutorial | 2022년 | [선술집] |
| BlindFL: Vertical Federated Machine Learning without Peeking into Your Data | PKU; 텐센트 | SIGMOD | 2022년 | [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 | [선술집] |
| Federated Matrix Factorization with Privacy Guarantee | Purdue | VLDB | 2021 | [선술집] |
| Projected Federated Averaging with Heterogeneous Differential Privacy. | Renmin University of China | VLDB | 2021 | [PUB] [CODE] |
| Enabling SQL-based Training Data Debugging for Federated Learning | 사이먼 프레이저 대학교 | VLDB | 2021 | [PUB] [PDF] [CODE] |
| Refiner: A Reliable Incentive-Driven Federated Learning System Powered by Blockchain | ZJU | VLDB | 2021 | [선술집] |
| 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 | [선술집] |
| ExDRa: Exploratory Data Science on Federated Raw Data | 지멘스 | SIGMOD | 2021 | [선술집] |
| Joint blockchain and federated learning-based offloading in harsh edge computing environments | TJU | SIGMOD workshop | 2021 | [선술집] |
| Privacy Preserving Vertical Federated Learning for Tree-based Models | NUS | VLDB | 2020 | [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).
| 제목 | 입회 | 장소 | 년도 | 재료 |
|---|---|---|---|---|
| Breaking Secure Aggregation: Label Leakage from Aggregated Gradients in Federated Learning | INFOCOM | 2024년 | [선술집] | |
| Strategic Data Revocation in Federated Unlearning | INFOCOM | 2024년 | [선술집] | |
| FedTC: Enabling Communication-Efficient Federated Learning via Transform Coding | INFOCOM | 2024년 | [선술집] | |
| Federated Learning While Providing Model as a Service: Joint Training and Inference Optimization | INFOCOM | 2024년 | [선술집] | |
| FairFed: Improving Fairness and Efficiency of Contribution Evaluation in Federated Learning via Cooperative Shapley Value | INFOCOM | 2024년 | [선술집] | |
| DPBalance: Efficient and Fair Privacy Budget Scheduling for Federated Learning as a Service | INFOCOM | 2024년 | [선술집] | |
| Tomtit: Hierarchical Federated Fine-Tuning of Giant Models based on Autonomous Synchronization | INFOCOM | 2024년 | [선술집] | |
| BR-DeFedRL: Byzantine-Robust Decentralized Federated Reinforcement Learning with Fast Convergence and Communication Efficiency | INFOCOM | 2024년 | [선술집] | |
| Titanic: Towards Production Federated Learning with Large Language Models | INFOCOM | 2024년 | [선술집] | |
| Expediting In-Network Federated Learning by Voting-Based Consensus Model Compression | INFOCOM | 2024년 | [선술집] | |
| Fed-CVLC: Compressing Federated Learning Communications with Variable-Length Codes | INFOCOM | 2024년 | [선술집] | |
| Federated Analytics-Empowered Frequent Pattern Mining for Decentralized Web 3.0 Applications | INFOCOM | 2024년 | [선술집] | |
| GraphProxy: Communication-Efficient Federated Graph Learning with Adaptive Proxy | INFOCOM | 2024년 | [선술집] | |
| Agglomerative Federated Learning: Empowering Larger Model Training via End-Edge-Cloud Collaboration | INFOCOM | 2024년 | [PUB] [CODE] | |
| AeroRec: An Efficient On-Device Recommendation Framework using Federated Self-Supervised Knowledge Distillation | INFOCOM | 2024년 | [선술집] | |
| Efficient and Straggler-Resistant Homomorphic Encryption for Heterogeneous Federated Learning | INFOCOM | 2024년 | [선술집] | |
| Heroes: Lightweight Federated Learning with Neural Composition and Adaptive Local Update in Heterogeneous Edge Networks | INFOCOM | 2024년 | [선술집] | |
| Momentum-Based Federated Reinforcement Learning with Interaction and Communication Efficiency | INFOCOM | 2024년 | [선술집] | |
| Federated Offline Policy Optimization with Dual Regularization | INFOCOM | 2024년 | [선술집] | |
| A Semi-Asynchronous Decentralized Federated Learning Framework via Tree-Graph Blockchain | INFOCOM | 2024년 | [선술집] | |
| SpreadFGL: Edge-Client Collaborative Federated Graph Learning with Adaptive Neighbor Generation | INFOCOM | 2024년 | [선술집] | |
| Towards Efficient Asynchronous Federated Learning in Heterogeneous Edge Environments | INFOCOM | 2024년 | [선술집] | |
| Federated Learning Based Integrated Sensing, Communications, and Powering Over 6G Massive-MIMO Mobile Networks | INFOCOM workshop | 2024년 | [선술집] | |
| Decentralized Federated Learning Under Free-riders: Credibility Analysis | INFOCOM workshop | 2024년 | [선술집] | |
| TrustBandit: Optimizing Client Selection for Robust Federated Learning Against Poisoning Attacks | INFOCOM workshop | 2024년 | [선술집] | |
| Cascade: Enhancing Reinforcement Learning with Curriculum Federated Learning and Interference Avoidance — A Case Study in Adaptive Bitrate Selection | INFOCOM workshop | 2024년 | [선술집] | |
| Efficient Adapting for Vision-language Foundation Model in Edge Computing Based on Personalized and Multi-Granularity Federated Learning | INFOCOM workshop | 2024년 | [선술집] | |
| Distributed Link Heterogeneity Exploitation for Attention-Weighted Robust Federated Learning in 6G Networks | INFOCOM workshop | 2024년 | [선술집] | |
| GAN-Based Privacy Abuse Attack on Federated Learning in IoT Networks | INFOCOM workshop | 2024년 | [선술집] | |
| Fedkit: Enabling Cross-Platform Federated Learning for Android and iOS | INFOCOM workshop | 2024년 | [PUB] [CODE] | |
| ASR-FED: Agnostic Straggler Resilient Federated Algorithm for Drone Networks Security | INFOCOM workshop | 2024년 | [선술집] | |
| Unbiased Federated Learning for Heterogeneous Data Under Unreliable Links | INFOCOM workshop | 2024년 | [선술집] | |
| Efficient Client Sampling with Compression in Heterogeneous Federated Learning | INFOCOM workshop | 2024년 | [선술집] | |
| Reputation-Aware Scheduling for Secure Internet of Drones: A Federated Multi-Agent Deep Reinforcement Learning Approach | INFOCOM workshop | 2024년 | [선술집] | |
| Two-Timescale Energy Optimization for Wireless Federated Learning | INFOCOM workshop | 2024년 | [선술집] | |
| A Data Reconstruction Attack Against Vertical Federated Learning Based on Knowledge Transfer | INFOCOM workshop | 2024년 | [선술집] | |
| Federated Learning for Energy-efficient Cooperative Perception in Connected and Autonomous Vehicles | INFOCOM workshop | 2024년 | [선술집] | |
| Federated Learning-Based Cooperative Model Training for Task-Oriented Semantic Communication | INFOCOM workshop | 2024년 | [선술집] | |
| FedBF16-Dynamic: Communication-Efficient Federated Learning with Adaptive Transmission | INFOCOM workshop | 2024년 | [선술집] | |
| Designing Robust 6G Networks with Bimodal Distribution for Decentralized Federated Learning | INFOCOM workshop | 2024년 | [선술집] | |
| Federated Distributed Deep Reinforcement Learning for Recommendation-enabled Edge Caching | INFOCOM workshop | 2024년 | [선술집] | |
| Joint Optimization of Charging Time and Resource Allocation in Wireless Power Transfer Assisted Federated Learning | INFOCOM workshop | 2024년 | [선술집] | |
| Joint Client Selection and Privacy Compensation for Differentially Private Federated Learning | INFOCOM workshop | 2024년 | [선술집] | |
| Wireless Hierarchical Federated Aggregation Weights Design with Loss-Based-Heterogeneity | INFOCOM workshop | 2024년 | [선술집] | |
| ADMarker: A Multi-Modal Federated Learning System for Monitoring Digital Biomarkers of Alzheimer's Disease | CUHK | MobiCom | 2024년 | [PUB] [PDF] [CODE] |
| Accelerating the Decentralized Federated Learning via Manipulating Edges | SZU | WWW | 2024년 | [선술집] |
| Prompt-enhanced Federated Content Representation Learning for Cross-domain Recommendation | SDNU | WWW | 2024년 | [PUB] [PDF] [CODE] |
| PAGE: Equilibrate Personalization and Generalization in Federated Learning | XDU | WWW | 2024년 | [PUB] [PDF] [CODE] |
| Federated Learning Vulnerabilities: Privacy Attacks with Denoising Diffusion Probabilistic Models | ECNU | WWW | 2024년 | [선술집] |
| Co-clustering for Federated Recommender System | UIUC | WWW | 2024년 | [선술집] |
| Incentive and Dynamic Client Selection for Federated Unlearning | BUPT | WWW | 2024년 | [선술집] |
| Towards Efficient Communication and Secure Federated Recommendation System via Low-rank Training | VinUniversity | WWW | 2024년 | [PUB] [PDF] [CODE] |
| BlockDFL: A Blockchain-based Fully Decentralized Peer-to-Peer Federated Learning Framework | ZJU | WWW | 2024년 | [PUB] [PDF] |
| Towards Personalized Privacy: User-Governed Data Contribution for Federated Recommendation | UQ | WWW | 2024년 | [PUB] [PDF] |
| FedDSE: Distribution-aware Sub-model Extraction for Federated Learning over Resource-constrained Devices | NTU | WWW | 2024년 | [선술집] |
| Cardinality Counting in "Alcatraz": A Privacy-aware Federated Learning Approach | CSIRO's Data61 | WWW | 2024년 | [선술집] |
| Federated Heterogeneous Graph Neural Network for Privacy-preserving Recommendation | BUPT | WWW | 2024년 | [PUB] [PDF] |
| Poisoning Federated Recommender Systems with Fake Users | USTC | WWW | 2024년 | [PUB] [PDF] |
| Towards Energy-efficient Federated Learning via INT8-based Training on Mobile DSPs | BUPT | WWW | 2024년 | [선술집] |
| Privacy-Preserving and Fairness-Aware Federated Learning for Critical Infrastructure Protection and Resilience | UTS | WWW | 2024년 | [PUB] [CODE] |
| When Federated Recommendation Meets Cold-Start Problem: Separating Item Attributes and User Interactions | JLU | WWW | 2024년 | [PUB] [PDF] [CODE] |
| How Few Davids Improve One Goliath: Federated Learning in Resource-Skewed Edge Computing Environments | UCSD | WWW | 2024년 | [PUB] [CODE] [VIDEO] |
| Poisoning Attack on Federated Knowledge Graph Embedding | PolyU | WWW | 2024년 | [PUB] [CODE] |
| FL@FM-TheWebConf'24: International Workshop on Federated Foundation Models for the Web | CUHK | WWW (Companion Volume) | 2024년 | [PUB] [PAGE] |
| An Investigation into the Feasibility of Performing Federated Learning on Social Linked Data Servers | University of Southampton | WWW (Companion Volume) | 2024년 | [선술집] |
| Exploring Representational Similarity Analysis to Protect Federated Learning from Data Poisoning | SYSU | WWW (Companion Volume) | 2024년 | [선술집] |
| Only Send What You Need: Learning to Communicate Efficiently in Federated Multilingual Machine Translation | Purdue University | WWW (Companion Volume) | 2024년 | [PUB] [PDF] |
| FedHLT: Efficient Federated Low-Rank Adaption with Hierarchical Language Tree for Multilingual Modeling | CUHK | WWW (Companion Volume) | 2024년 | [선술집] |
| HBIAS FedAvg: Smooth Federated Learning Transition for In-use Edge Models | IIT | WWW (Companion Volume) | 2024년 | [선술집] |
| Phoenix: A Federated Generative Diffusion Model | UW | WWW (Companion Volume) | 2024년 | [선술집] |
| Federated Learning in Large Model Era: Vision-Language Model for Smart City Safety Operation Management | ENN; UPC | WWW (Companion Volume) | 2024년 | [선술집] |
| Robust Federated Learning Mitigates Client-side Training Data Distribution Inference Attacks | USTC | WWW (Companion Volume) | 2024년 | [PUB] [PDF] |
| GradFilt: Class-wise Targeted Data Reconstruction from Gradients in Federated Learning | PolyU | WWW (Companion Volume) | 2024년 | [선술집] |
| Detecting Poisoning Attacks on Federated Learning Using Gradient-Weighted Class Activation Mapping | ISEP | WWW (Companion Volume) | 2024년 | [선술집] |
| AutoFed: Heterogeneity-Aware Federated Multimodal Learning for Robust Autonomous Driving | NTU | MobiCom | 2023년 | [PUB] [PDF] |
| Efficient Federated Learning for Modern NLP | Beiyou Shenzhen Institute | MobiCom | 2023년 | [PDF] [解读] |
| FLASH: Towards a High-performance Hardware Acceleration Architecture for Cross-silo Federated Learning | HKUST; Clustar | NSDI | 2023년 | [PUB] [SLIDE] [VIDEO] |
| To Store or Not? Online Data Selection for Federated Learning with Limited Storage. | SJTU | WWW | 2023년 | [PUB] [PDF] |
| pFedPrompt: Learning Personalized Prompt for Vision-Language Models in Federated Learning. | PolyU | WWW | 2023년 | [선술집] |
| Quantifying and Defending against Privacy Threats on Federated Knowledge Graph Embedding. | ZJU; HIC-ZJU | WWW | 2023년 | [PUB] [PDF] |
| Vertical Federated Knowledge Transfer via Representation Distillation for Healthcare Collaboration Networks | PKU | WWW | 2023년 | [PUB] [PDF] [CODE] |
| Semi-decentralized Federated Ego Graph Learning for Recommendation | SUST | WWW | 2023년 | [PUB] [PDF] |
| FlexiFed: Personalized Federated Learning for Edge Clients with Heterogeneous Model Architectures. | Swinburne | WWW | 2023년 | [PUB] [CODE] |
| FedEdge: Accelerating Edge-Assisted Federated Learning. | Swinburne | WWW | 2023년 | [선술집] |
| Federated Node Classification over Graphs with Latent Link-type Heterogeneity. | 에모리 대학교 | WWW | 2023년 | [PUB] [CODE] |
| FedACK: Federated Adversarial Contrastive Knowledge Distillation for Cross-Lingual and Cross-Model Social Bot Detection. | USTC | WWW | 2023년 | [PUB] [PDF] [CODE] |
| Interaction-level Membership Inference Attack Against Federated Recommender Systems. | UQ | WWW | 2023년 | [PUB] [PDF] |
| AgrEvader: Poisoning Membership Inference against Byzantine-robust Federated Learning. | Deakin University | WWW | 2023년 | [선술집] |
| Heterogeneous Federated Knowledge Graph Embedding Learning and Unlearning. | NJU | WWW | 2023년 | [PUB] [PDF] [CODE] |
| Federated Learning for Metaverse: A Survey. | JNU | WWW (Companion Volume) | 2023년 | [PUB] [PDF] |
| Understanding the Impact of Label Skewness and Optimization on Federated Learning for Text Classification | KU 루벤 | WWW (Companion Volume) | 2023년 | [선술집] |
| Privacy-Preserving Online Content Moderation: A Federated Learning Use Case. | 자르다 | WWW (Companion Volume) | 2023년 | [PUB] [PDF] |
| Privacy-Preserving Online Content Moderation with Federated Learning. | 자르다 | WWW (Companion Volume) | 2023년 | [선술집] |
| A Federated Learning Benchmark for Drug-Target Interaction. | 토리노 대학교 | WWW (Companion Volume) | 2023년 | [PUB] [PDF] [CODE] |
| Towards a Decentralized Data Hub and Query System for Federated Dynamic Data Spaces. | TU Berlin | WWW (Companion Volume) | 2023년 | [선술집] |
| 1st Workshop on Federated Learning Technologies1st Workshop on Federated Learning Technologies | 토리노 대학교 | WWW (Companion Volume) | 2023년 | [선술집] |
| A Survey of Trustworthy Federated Learning with Perspectives on Security, Robustness and Privacy | CUHK | WWW (Companion Volume) | 2023년 | [PUB] [PDF] |
| A Hierarchical Knowledge Transfer Framework for Heterogeneous Federated Learning | 목 | INFOCOM | 2023년 | [선술집] |
| A Reinforcement Learning Approach for Minimizing Job Completion Time in Clustered Federated Learning | Southeast University | INFOCOM | 2023년 | [선술집] |
| Adaptive Configuration for Heterogeneous Participants in Decentralized Federated Learning | USTC | INFOCOM | 2023년 | [PUB] [PDF] |
| AnycostFL: Efficient On-Demand Federated Learning over Heterogeneous Edge Devices | Guangdong University of Technology | INFOCOM | 2023년 | [PUB] [PDF] |
| AOCC-FL: Federated Learning with Aligned Overlapping via Calibrated Compensation | HUST | INFOCOM | 2023년 | [선술집] |
| Asynchronous Federated Unlearning | 토론토대학교 | INFOCOM | 2023년 | [PUB] [PDF] [CODE] |
| Communication-Efficient Federated Learning for Heterogeneous Edge Devices Based on Adaptive Gradient Quantization | 파워서플라이 | INFOCOM | 2023년 | [PUB] [PDF] |
| Enabling Communication-Efficient Federated Learning via Distributed Compressed Sensing | Beihang University | INFOCOM | 2023년 | [선술집] |
| Federated Learning under Heterogeneous and Correlated Client Availability | Inria | INFOCOM | 2023년 | [PUB] [PDF] [CODE] |
| Federated Learning with Flexible Control | IBM | INFOCOM | 2023년 | [PUB] [PDF] [CODE] |
| Federated PCA on Grassmann Manifold for Anomaly Detection in IoT Networks | The University of Sydney | INFOCOM | 2023년 | [PUB] [PDF] |
| FedMoS: Taming Client Drift in Federated Learning with Double Momentum and Adaptive Selection | HUST | INFOCOM | 2023년 | [PUB] [PDF] [CODE] |
| FedSDG-FS: Efficient and Secure Feature Selection for Vertical Federated Learning | NTU | INFOCOM | 2023년 | [PUB] [PDF] |
| Heterogeneity-Aware Federated Learning with Adaptive Client Selection and Gradient Compression | USTC | INFOCOM | 2023년 | |
| Joint Edge Aggregation and Association for Cost-Efficient Multi-Cell Federated Learning | NUDT | INFOCOM | 2023년 | [선술집] |
| Joint Participation Incentive and Network Pricing Design for Federated Learning | Northwestern University | INFOCOM | 2023년 | [선술집] |
| More than Enough is Too Much: Adaptive Defenses against Gradient Leakage in Production Federated Learning | 토론토대학교 | INFOCOM | 2023년 | [PUB] [PDF] [WEIBO] |
| Network Adaptive Federated Learning: Congestion and Lossy Compression | UTAustin | INFOCOM | 2023년 | [PUB] [PDF] |
| OBLIVION: Poisoning Federated Learning by Inducing Catastrophic Forgetting | The Hang Seng University of Hong Kong | INFOCOM | 2023년 | [PUB] [CODE] |
| Privacy as a Resource in Differentially Private Federated Learning | BUPT | INFOCOM | 2023년 | [선술집] |
| SplitGP: Achieving Both Generalization and Personalization in Federated Learning | 카이스트 | INFOCOM | 2023년 | [PUB] [PDF] |
| SVDFed: Enabling Communication-Efficient Federated Learning via Singular-Value-Decomposition | Beihang University | INFOCOM | 2023년 | [선술집] |
| Tackling System Induced Bias in Federated Learning: Stratification and Convergence Analysis | 남부 과학 기술 대학교 | INFOCOM | 2023년 | [PUB] [PDF] |
| Toward Sustainable AI: Federated Learning Demand Response in Cloud-Edge Systems via Auctions | BUPT | INFOCOM | 2023년 | [PUB] [PDF] |
| Truthful Incentive Mechanism for Federated Learning with Crowdsourced Data Labeling | Auburn University | INFOCOM | 2023년 | [PUB] [PDF] |
| TVFL: Tunable Vertical Federated Learning towards Communication-Efficient Model Serving | USTC | INFOCOM | 2023년 | [선술집] |
| PyramidFL: Fine-grained Data and System Heterogeneity-aware Client Selection for Efficient Federated Learning | MSU | MobiCom | 2022년 | [PUB] [PDF] [CODE] |
| NestFL: efficient federated learning through progressive model pruning in heterogeneous edge computing | pmlabs | MobiCom(Poster) | 2022년 | [선술집] |
| Federated learning-based air quality prediction for smart cities using BGRU model | IITM | MobiCom(Poster) | 2022년 | [선술집] |
| FedHD: federated learning with hyperdimensional computing | UCSD | MobiCom(Demo) | 2022년 | [PUB] [CODE] |
| Joint Superposition Coding and Training for Federated Learning over Multi-Width Neural Networks | 고려대학교 | INFOCOM | 2022년 | [선술집] |
| Towards Optimal Multi-Modal Federated Learning on Non-IID Data with Hierarchical Gradient Blending | 토론토대학교 | INFOCOM | 2022년 | [선술집] |
| Optimal Rate Adaption in Federated Learning with Compressed Communications | SZU | INFOCOM | 2022년 | [PUB] [PDF] |
| The Right to be Forgotten in Federated Learning: An Efficient Realization with Rapid Retraining. | CityU | INFOCOM | 2022년 | [PUB] [PDF] |
| Tackling System and Statistical Heterogeneity for Federated Learning with Adaptive Client Sampling. | CUHK; AIRS ;Yale University | INFOCOM | 2022년 | [PUB] [PDF] |
| Communication-Efficient Device Scheduling for Federated Learning Using Stochastic Optimization | Army Research Laboratory, Adelphi | INFOCOM | 2022년 | [PUB] [PDF] |
| FLASH: Federated Learning for Automated Selection of High-band mmWave Sectors | NEU | INFOCOM | 2022년 | [PUB] [CODE] |
| A Profit-Maximizing Model Marketplace with Differentially Private Federated Learning | CUHK; 에어즈 | INFOCOM | 2022년 | [선술집] |
| Protect Privacy from Gradient Leakage Attack in Federated Learning | PolyU | INFOCOM | 2022년 | [PUB] [SLIDE] |
| FedFPM: A Unified Federated Analytics Framework for Collaborative Frequent Pattern Mining. | SJTU | INFOCOM | 2022년 | [PUB] [CODE] |
| An Accuracy-Lossless Perturbation Method for Defending Privacy Attacks in Federated Learning | SWJTU;THU | WWW | 2022년 | [PUB] [PDF] [CODE] |
| LocFedMix-SL: Localize, Federate, and Mix for Improved Scalability, Convergence, and Latency in Split Learning | 연세대 | WWW | 2022년 | [선술집] |
| Federated Unlearning via Class-Discriminative Pruning | PolyU | WWW | 2022년 | [PUB] [PDF] [CODE] |
| FedKC: Federated Knowledge Composition for Multilingual Natural Language Understanding | Purdue | WWW | 2022년 | [선술집] |
| Powering Multi-Task Federated Learning with Competitive GPU Resource Sharing. | WWW (Companion Volume) | 2022년 | ||
| Federated Bandit: A Gossiping Approach | 캘리포니아대학교 | SIGMETRICS | 2021 | [PUB] [PDF] |
| Hermes: an efficient federated learning framework for heterogeneous mobile clients | Duke University | MobiCom | 2021 | [선술집] |
| 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. | Nanjing University | INFOCOM | 2021 | [선술집] |
| 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 | 목 | INFOCOM | 2021 | [선술집] |
| Sample-level Data Selection for Federated Learning | USTC | INFOCOM | 2021 | [선술집] |
| 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; 예일대학교 | INFOCOM | 2021 | [PUB] [PDF] |
| An Incentive Mechanism for Cross-Silo Federated Learning: A Public Goods Perspective | The UBC | INFOCOM | 2021 | [선술집] |
| Resource-Efficient Federated Learning with Hierarchical Aggregation in Edge Computing | USTC | INFOCOM | 2021 | [선술집] |
| 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 | 애리조나 주립대학교 | 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 | University of Notre Dame | INFOCOM | 2021 | [선술집] |
| P-FedAvg: Parallelizing Federated Learning with Theoretical Guarantees | SYSU; Guangdong Key Laboratory of Big Data Analysis and Processing | INFOCOM | 2021 | [선술집] |
| 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 | 에모리 | WWW | 2021 | [PUB] [CODE] |
| Hierarchical Personalized Federated Learning for User Modeling | USTC | WWW | 2021 | [선술집] |
| 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 | [선술집] |
| Physical-Layer Arithmetic for Federated Learning in Uplink MU-MIMO Enabled Wireless Networks. | Nanjing University | INFOCOM | 2020 | [선술집] |
| Optimizing Federated Learning on Non-IID Data with Reinforcement Learning | 토론토대학교 | INFOCOM | 2020 | [PUB] [SLIDE] [CODE] [解读] |
| Enabling Execution Assurance of Federated Learning at Untrusted Participants | 목 | INFOCOM | 2020 | [PUB] [CODE] |
| Billion-scale federated learning on mobile clients: a submodel design with tunable privacy | SJTU | MobiCom | 2020 | [선술집] |
| Federated Learning over Wireless Networks: Optimization Model Design and Analysis | The University of Sydney | INFOCOM | 2019 | [PUB] [CODE] |
| Beyond Inferring Class Representatives: User-Level Privacy Leakage From Federated Learning | 우한대학교 | INFOCOM | 2019 | [PUB] [PDF] [UC.] |
| InPrivate Digging: Enabling Tree-based Distributed Data Mining with Differential Privacy | Collaborative Innovation Center of Geospatial Technology | INFOCOM | 2018 | [선술집] |
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).
| 제목 | 입회 | 장소 | 년도 | 재료 |
|---|---|---|---|---|
| AdaptiveFL: Adaptive Heterogeneous Federated Learning for Resource-Constrained AIoT Systems. | DAC | 2024년 | [선술집] | |
| Fake Node-Based Perception Poisoning Attacks against Federated Object Detection Learning in Mobile Computing Networks | DAC | 2024년 | [선술집] | |
| Flagger: Cooperative Acceleration for Large-Scale Cross-Silo Federated Learning Aggregation | ISCA | 2024년 | [선술집] | |
| FedTrans: Efficient Federated Learning via Multi-Model Transformation | UIUC | MLSys | 2024년 | [PUB] [PDF] |
| LIFL: A Lightweight, Event-driven Serverless Platform for Federated Learning | UC Riverside | MLSys | 2024년 | [PUB] [PDF] |
| HeteroSwitch: Characterizing and Taming System-Induced Data Heterogeneity in Federated Learning | 고려대학교 | MLSys | 2024년 | [PUB] [PDF] [CODE] |
| DeTA: Minimizing Data Leaks in Federated Learning via Decentralized and Trustworthy Aggregation | IBM Research | EuroSys | 2024년 | [선술집] |
| FLOAT: Federated Learning Optimizations with Automated Tuning | Virginia Tech | EuroSys | 2024년 | [PUB] [CODE] |
| Totoro: A Scalable Federated Learning Engine for the Edge | UCSC | EuroSys | 2024년 | [선술집] |
| Dordis: Efficient Federated Learning with Dropout-Resilient Differential Privacy | HKUST | EuroSys | 2024년 | [PUB] [PDF] [CODE] |
| FLIGAN: Enhancing Federated Learning with Incomplete Data using GAN | EuroSys workshop | 2024년 | [선술집] | |
| ALS Algorithm for Robust and Communication-Efficient Federated Learning | EuroSys workshop | 2024년 | [선술집] | |
| FedRDMA: Communication-Efficient Cross-Silo Federated LLM via Chunked RDMA Transmission. | EuroSys workshop | 2024년 | [선술집] | |
| Breaking the Memory Wall for Heterogeneous Federated Learning via Model Splitting. | TPDS | 2024년 | [선술집] | |
| SR-FDIL: Synergistic Replay for Federated Domain-Incremental Learning | TPDS | 2024년 | [선술집] | |
| FedVeca: Federated Vectorized Averaging on Non-IID Data With Adaptive Bi-Directional Global Objective | TPDS | 2024년 | [선술집] | |
| Trusted Model Aggregation With Zero-Knowledge Proofs in Federated Learning. | TPDS | 2024년 | [선술집] | |
| Accelerating Communication-Efficient Federated Multi-Task Learning With Personalization and Fairness. | TPDS | 2024년 | [선술집] | |
| Privacy-Preserving Data Selection for Horizontal and Vertical Federated Learning. | TPDS | 2024년 | [선술집] | |
| High-Performance Hardware Acceleration Architecture for Cross-Silo Federated Learning | TPDS | 2024년 | [선술집] | |
| Joint Participant and Learning Topology Selection for Federated Learning in Edge Clouds | TPDS | 2024년 | [선술집] | |
| Synchronize Only the Immature Parameters: Communication-Efficient Federated Learning By Freezing Parameters Adaptively | SJTU | TPDS | 2024년 | [선술집] |
| FedREM: Guided Federated Learning in the Presence of Dynamic Device Unpredictability | SYSU | TPDS | 2024년 | [선술집] |
| Fed-RAC: Resource-Aware Clustering for Tackling Heterogeneity of Participants in Federated Learning | IITP | TPDS | 2024년 | [PUB] [PDF] |
| Taking Advantage of the Mistakes: Rethinking Clustered Federated Learning for IoT Anomaly Detection | UVIC | TPDS | 2024년 | [선술집] |
| FedICT: Federated Multi-Task Distillation for Multi-Access Edge Computing | UCAS | TPDS | 2024년 | [PUB] [PDF] |
| Collaboration in Federated Learning With Differential Privacy: A Stackelberg Game Analysis | SYSU | TPDS | 2024년 | [선술집] |
| FAST: Enhancing Federated Learning Through Adaptive Data Sampling and Local Training | USTC | TPDS | 2024년 | [선술집] |
| EcoFed: Efficient Communication for DNN Partitioning-Based Federated Learning | University of St Andrews | TPDS | 2024년 | [PUB] [PDF] [CODE] |
| FedHAP: Federated Hashing With Global Prototypes for Cross-Silo Retrieval | 목 | TPDS | 2024년 | [PUB] [PDF] |
| FlexFL: Heterogeneous Federated Learning via APoZ-Guided Flexible Pruning in Uncertain Scenarios. | TCAD | 2024년 | [선술집] | |
| Personalized Meta-Federated Learning for IoT-Enabled Health Monitoring | TCAD | 2024년 | [선술집] | |
| NebulaFL: Self-Organizing Efficient Multilayer Federated Learning Framework With Adaptive Load Tuning in Heterogeneous Edge Systems | TCAD | 2024년 | [선술집] | |
| CaBaFL: Asynchronous Federated Learning via Hierarchical Cache and Feature Balance | TCAD | 2024년 | [선술집] | |
| FedStar: Efficient Federated Learning on Heterogeneous Communication Networks | USTC | TCAD | 2024년 | [선술집] |
| Lithography Hotspot Detection Based on Heterogeneous Federated Learning With Local Adaptation and Feature Selection | ZJU | TCAD | 2024년 | [PUB] [PDF] |
| FedComp: A Federated Learning Compression Framework for Resource-Constrained Edge Computing Devices | 때리다 | TCAD | 2024년 | [선술집] |
| BSR-FL: An Efficient Byzantine-Robust Privacy-Preserving Federated Learning Framework | TC | 2024년 | [선술집] | |
| User-Distribution-Aware Federated Learning for Efficient Communication and Fast Inference | ECNU; 슈 | TC | 2024년 | [선술집] |
| FedRFQ: Prototype-Based Federated Learning With Reduced Redundancy, Minimal Failure, and Enhanced Quality | SDU | TC | 2024년 | [PUB] [PDF] |
| Value of Information: A Comprehensive Metric for Client Selection in Federated Edge Learning | SDU | TC | 2024년 | [선술집] |
| Age-Aware Data Selection and Aggregator Placement for Timely Federated Continual Learning in Mobile Edge Computing | DLUT | TC | 2024년 | [선술집] |
| FedGKD: Toward Heterogeneous Federated Learning via Global Knowledge Distillation | HUST | TC | 2024년 | [PUB] [PDF] |
| Digital Twin-Assisted Federated Learning Service Provisioning Over Mobile Edge Networks | SDU | TC | 2024년 | [선술집] |
| REFL: Resource-Efficient Federated Learning | QMUL | EuroSys | 2023년 | [PUB] [PDF] [CODE] |
| A First Look at the Impact of Distillation Hyper-Parameters in Federated Knowledge Distillation | EuroSys workshop | 2023년 | [선술집] | |
| Towards Practical Few-shot Federated NLP | EuroSys workshop | 2023년 | [선술집] | |
| Can Fair Federated Learning Reduce the need for Personalisation? | EuroSys workshop | 2023년 | [선술집] | |
| Gradient-less Federated Gradient Boosting Tree with Learnable Learning Rates | EuroSys workshop | 2023년 | [선술집] | |
| Towards Robust and Bias-free Federated Learning | EuroSys workshop | 2023년 | [선술집] | |
| FedTree: A Federated Learning System For Trees | UC 버클리 | MLSys | 2023년 | [PUB] [CODE] |
| FLINT: A Platform for Federated Learning Integration | 링크드인 | MLSys | 2023년 | [PUB] [PDF] |
| On Noisy Evaluation in Federated Hyperparameter Tuning | CMU | MLSys | 2023년 | [PUB] [PDF] [CODE] |
| GlueFL: Reconciling Client Sampling and Model Masking for Bandwidth Efficient Federated Learning | UBC | MLSys | 2023년 | [PUB] [PDF] [CODE] |
| Self-Supervised On-Device Federated Learning From Unlabeled Streams. | FDU | TCAD | 2023년 | [PUB] [PDF] |
| Optimizing Training Efficiency and Cost of Hierarchical Federated Learning in Heterogeneous Mobile-Edge Cloud Computing | ECNU | TCAD | 2023년 | [선술집] |
| Lightweight Blockchain-Empowered Secure and Efficient Federated Edge Learning | University of Exeter | TC | 2023년 | [선술집] |
| Towards Data-Independent Knowledge Transfer in Model-Heterogeneous Federated Learning | PolyU | TC | 2023년 | [선술집] |
| A New Federated Scheduling Algorithm for Arbitrary-Deadline DAG Tasks | NEFU | TC | 2023년 | [선술집] |
| Privacy-Enhanced Decentralized Federated Learning at Dynamic Edge | SDU | TC | 2023년 | [선술집] |
| Byzantine-Resilient Federated Learning at Edge | SDU | TC | 2023년 | [PUB] [PDF] |
| PrivAim: A Dual-Privacy Preserving and Quality-Aware Incentive Mechanism for Federated Learning | CSU | TC | 2023년 | [선술집] |
| Accelerating Federated Learning With a Global Biased Optimiser | University of Exeter | TC | 2023년 | [PUB] [PDF] [CODE] |
| Type-Aware Federated Scheduling for Typed DAG Tasks on Heterogeneous Multicore Platforms | TU Dortmund University | TC | 2023년 | [PUB] [CODE] |
| Sandbox Computing: A Data Privacy Trusted Sharing Paradigm Via Blockchain and Federated Learning. | BUPT | TC | 2023년 | [선술집] |
| CHEESE: Distributed Clustering-Based Hybrid Federated Split Learning Over Edge Networks | SUDA | TPDS | 2023년 | [선술집] |
| Hierarchical Federated Learning With Momentum Acceleration in Multi-Tier Networks | University of Sydney | TPDS | 2023년 | [PUB] [PDF] |
| Dap-FL: Federated Learning Flourishes by Adaptive Tuning and Secure Aggregation | Xidian University | TPDS | 2023년 | [PUB] [PDF] [CODE] |
| Collaborative Intrusion Detection System for SDVN: A Fairness Federated Deep Learning Approach | Anhui University | TPDS | 2023년 | [선술집] |
| Energy-Aware, Device-to-Device Assisted Federated Learning in Edge Computing | ANU | TPDS | 2023년 | [선술집] |
| Faster Federated Learning With Decaying Number of Local SGD Steps | University of Exeter | TPDS | 2023년 | [PUB] [PDF] [CODE] |
| DRFL: Federated Learning in Diabetic Retinopathy Grading Using Fundus Images | National Institute of Technology Silchar | TPDS | 2023년 | [선술집] |
| FedProf: Selective Federated Learning Based on Distributional Representation Profiling | Peng Cheng Laboratory | TPDS | 2023년 | [PUB] [PDF] [UC] |
| Federated Ensemble Model-Based Reinforcement Learning in Edge Computing | University of Exeter | TPDS | 2023년 | [PUB] [PDF] |
| Incentive Mechanism Design for Joint Resource Allocation in Blockchain-Based Federated Learning. | IUPUI | TPDS | 2023년 | [PUB] [PDF] |
| HiFlash: Communication-Efficient Hierarchical Federated Learning With Adaptive Staleness Control and Heterogeneity-Aware Client-Edge Association. | SYSU | TPDS | 2023년 | [PUB] [PDF] |
| From Deterioration to Acceleration: A Calibration Approach to Rehabilitating Step Asynchronism in Federated Optimization. | PolyU | TPDS | 2023년 | [PUB] [PDF] [CODE] |
| Federated Learning Over Coupled Graphs | XJTU | TPDS | 2023년 | [PUB] [PDF] |
| Privacy vs. Efficiency: Achieving Both Through Adaptive Hierarchical Federated Learning | NUDT | TPDS | 2023년 | [선술집] |
| On Model Transmission Strategies in Federated Learning With Lossy Communications | SZU | TPDS | 2023년 | [선술집] |
| Scheduling Algorithms for Federated Learning With Minimal Energy Consumption | University of Bordeaux | TPDS | 2023년 | [PUB] [PDF] [CODE] |
| Auction-Based Cluster Federated Learning in Mobile Edge Computing Systems | 때리다 | TPDS | 2023년 | [PUB] [PDF] |
| Personalized Edge Intelligence via Federated Self-Knowledge Distillation. | HUST | TPDS | 2023년 | [PUB] [CODE] |
| Design of a Quantization-Based DNN Delta Compression Framework for Model Snapshots and Federated Learning. | 때리다 | TPDS | 2023년 | [선술집] |
| Multi-Job Intelligent Scheduling With Cross-Device Federated Learning. | 바이두 | TPDS | 2023년 | [PUB] [PDF] |
| Data-Centric Client Selection for Federated Learning Over Distributed Edge Networks. | IIT | TPDS | 2023년 | [선술집] |
| GossipFL: A Decentralized Federated Learning Framework With Sparsified and Adaptive Communication. | HKBU | TPDS | 2023년 | [선술집] |
| FedMDS: An Efficient Model Discrepancy-Aware Semi-Asynchronous Clustered Federated Learning Framework. | CQU | TPDS | 2023년 | [선술집] |
| HierFedML: Aggregator Placement and UE Assignment for Hierarchical Federated Learning in Mobile Edge Computing. | DUT | TPDS | 2023년 | [선술집] |
| Data selection for efficient model update in federated learning | EuroSys workshop | 2022년 | [선술집] | |
| Empirical analysis of federated learning in heterogeneous environments | EuroSys workshop | 2022년 | [선술집] | |
| BAFL: A Blockchain-Based Asynchronous Federated Learning Framework | TC | 2022년 | [PUB] [CODE] | |
| L4L: Experience-Driven Computational Resource Control in Federated Learning | TC | 2022년 | [선술집] | |
| Adaptive Federated Learning on Non-IID Data With Resource Constraint | TC | 2022년 | [선술집] | |
| Locking Protocols for Parallel Real-Time Tasks With Semaphores Under Federated Scheduling. | TCAD | 2022년 | [선술집] | |
| Client Scheduling and Resource Management for Efficient Training in Heterogeneous IoT-Edge Federated Learning | ECNU | TCAD | 2022년 | [선술집] |
| PervasiveFL: Pervasive Federated Learning for Heterogeneous IoT Systems. | ECNU | TCAD | 2022년 | [선술집] |
| FHDnn: communication efficient and robust federated learning for AIoT networks | UC 샌디에고 | DAC | 2022년 | [선술집] |
| A Decentralized Federated Learning Framework via Committee Mechanism With Convergence Guarantee | SYSU | TPDS | 2022년 | [PUB] [PDF] |
| Improving Federated Learning With Quality-Aware User Incentive and Auto-Weighted Model Aggregation | 목 | TPDS | 2022년 | [선술집] |
| $f$funcX: Federated Function as a Service for Science. | SUST | TPDS | 2022년 | [PUB] [PDF] |
| Blockchain Assisted Decentralized Federated Learning (BLADE-FL): Performance Analysis and Resource Allocation | NUST | TPDS | 2022년 | [PUB] [PDF] [CODE] |
| Adaptive Federated Deep Reinforcement Learning for Proactive Content Caching in Edge Computing. | CQU | TPDS | 2022년 | [선술집] |
| TDFL: Truth Discovery Based Byzantine Robust Federated Learning | 조금 | TPDS | 2022년 | [선술집] |
| Federated Learning With Nesterov Accelerated Gradient | The University of Sydney | TPDS | 2022년 | [PUB] [PDF] |
| FedGraph: Federated Graph Learning with Intelligent Sampling | UoA | TPDS | 2022년 | [PUB] [CODE] [解读] |
| AUCTION: Automated and Quality-Aware Client Selection Framework for Efficient Federated Learning. | 목 | TPDS | 2022년 | [선술집] |
| DONE: Distributed Approximate Newton-type Method for Federated Edge Learning. | University of Sydney | TPDS | 2022년 | [PUB] [PDF] [CODE] |
| Flexible Clustered Federated Learning for Client-Level Data Distribution Shift. | CQU | TPDS | 2022년 | [PUB] [PDF] [CODE] |
| Min-Max Cost Optimization for Efficient Hierarchical Federated Learning in Wireless Edge Networks. | Xidian University | TPDS | 2022년 | [선술집] |
| LightFed: An Efficient and Secure Federated Edge Learning System on Model Splitting. | CSU | TPDS | 2022년 | [선술집] |
| On the Benefits of Multiple Gossip Steps in Communication-Constrained Decentralized Federated Learning. | Purdue | TPDS | 2022년 | [PUB] [PDF] [CODE] |
| Incentive-Aware Autonomous Client Participation in Federated Learning. | Sun Yat-sen University | TPDS | 2022년 | [선술집] |
| Communicational and Computational Efficient Federated Domain Adaptation. | HKUST | TPDS | 2022년 | [선술집] |
| Decentralized Edge Intelligence: A Dynamic Resource Allocation Framework for Hierarchical Federated Learning. | NTU | TPDS | 2022년 | [선술집] |
| Differentially Private Byzantine-Robust Federated Learning. | Qufu Normal University | TPDS | 2022년 | [선술집] |
| Multi-Task Federated Learning for Personalised Deep Neural Networks in Edge Computing. | University of Exeter | TPDS | 2022년 | [PUB] [PDF] [CODE] |
| Reputation-Aware Hedonic Coalition Formation for Efficient Serverless Hierarchical Federated Learning. | BUAA | TPDS | 2022년 | [선술집] |
| Differentially Private Federated Temporal Difference Learning. | Stony Brook University | TPDS | 2022년 | [선술집] |
| Towards Efficient and Stable K-Asynchronous Federated Learning With Unbounded Stale Gradients on Non-IID Data. | XJTU | TPDS | 2022년 | [PUB] [PDF] |
| Communication-Efficient Federated Learning With Compensated Overlap-FedAvg. | SCU | TPDS | 2022년 | [PUB] [PDF] [CODE] |
| PAPAYA: Practical, Private, and Scalable Federated Learning. | 메타AI | MLSys | 2022년 | [PUB] [PDF] |
| LightSecAgg: a Lightweight and Versatile Design for Secure Aggregation in Federated Learning | USC | MLSys | 2022년 | [PUB] [PDF] [CODE] |
| Accelerated Training via Device Similarity in Federated Learning | EuroSys workshop | 2021 | [선술집] | |
| Towards Federated Learning with Attention Transfer to Mitigate System and Data Heterogeneity of Clients | EuroSys workshop | 2021 | [선술집] | |
| Towards Mitigating Device Heterogeneity in Federated Learning via Adaptive Model Quantization | EuroSys workshop | 2021 | [선술집] | |
| 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 | [선술집] |
| 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 | [선술집] |
| Oort: Efficient Federated Learning via Guided Participant Selection | University of Michigan | 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 | 짧은 꼬리 | 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 | [선술집] |
| Mutual Information Driven Federated Learning. | Deakin University | TPDS | 2021 | [선술집] |
| 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 | [선술집] |
| FedScale: Benchmarking Model and System Performance of Federated Learning | University of Michigan | SOSP workshop / ICML 2022 | 2021 | [PUB] [PDF] [CODE] [解读] |
| Redundancy in cost functions for Byzantine fault-tolerant federated learning | SOSP workshop | 2021 | [선술집] | |
| Towards an Efficient System for Differentially-private, Cross-device Federated Learning | SOSP workshop | 2021 | [선술집] | |
| GradSec: a TEE-based Scheme Against Federated Learning Inference Attacks | SOSP workshop | 2021 | [선술집] | |
| Community-Structured Decentralized Learning for Resilient EI. | SOSP workshop | 2021 | [선술집] | |
| Separation of Powers in Federated Learning (Poster Paper) | IBM Research | SOSP workshop | 2021 | [PUB] [PDF] |
| Towards federated unsupervised representation learning | EuroSys workshop | 2020 | [선술집] | |
| CoLearn: enabling federated learning in MUD-compliant IoT edge networks | EuroSys workshop | 2020 | [선술집] | |
| LDP-Fed: federated learning with local differential privacy. | EuroSys workshop | 2020 | [선술집] | |
| Accelerating Federated Learning via Momentum Gradient Descent. | USTC | TPDS | 2020 | [PUB] [PDF] |
| Towards Fair and Privacy-Preserving Federated Deep Models. | NUS | TPDS | 2020 | [PUB] [PDF] [CODE] |
| Federated Optimization in Heterogeneous Networks | CMU | MLSys | 2020 | [PUB] [PDF] [CODE] |
| Towards Federated Learning at Scale: System Design | MLSys | 2019 | [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).
| 제목 | 입회 | 장소 | 년도 | 재료 |
|---|---|---|---|---|
| F-CodeLLM: A Federated Learning Framework for Adapting Large Language Models to Practical Software Development | SYSU | ICSE Companion | 2024년 | 선술집 |
| Raft Protocol for Fault Tolerance and Self-Recovery in Federated Learning | SINTEF Digital | SEAMS@ICSE | 2024년 | 선술집 |
| FedDebug: Systematic Debugging for Federated Learning Applications. | Virginia Tech | ICSE | 2023년 | pub pdf code |
| FedSlice: Protecting Federated Learning Models from Malicious Participants with Model Slicing. | PKU | ICSE | 2023년 | pub code |
| Towards a Self-Adaptive Architecture for Federated Learning of Industrial Automation Systems | SEAMS@ICSE workshop | 2021 | 선술집 | |
| Federated Machine Learning as a Self-Adaptive Problem | SEAMS@ICSE workshop | 2021 | 선술집 |
This section partially refers to DBLP search engine and repositories Awesome-Federated-Learning-on-Graph-and-GNN-papers and Awesome-Federated-Machine-Learning.
| 제목 | 입회 | 장소 | 년도 | 재료 |
|---|---|---|---|---|
| FedGCN: Convergence and Communication Tradeoffs in Federated Training of Graph Convolutional Networks | CMU | NeurIPS ? | 2023년 | [PDF] [CODE] |
| Wyze Rule: Federated Rule Dataset for Rule Recommendation Benchmarking | CMU | NeurIPS Dataset Track ? | 2023년 | [PDF] [DATASET] [CODE] |
| Federated Visualization: A Privacy-Preserving Strategy for Aggregated Visual Query. | ZJU | IEEE 트랜스. Vis. Comput. 그래프. ? | 2023년 | [PUB] [PDF] |
| Personalized Subgraph Federated Learning | 카이스트 | ICML ? | 2023년 | [PDF] |
| Semi-decentralized Federated Ego Graph Learning for Recommendation | SUST | WWW:mortar_board: | 2023년 | [PUB] [PDF] |
| Federated Graph Neural Network for Fast Anomaly Detection in Controller Area Networks | ECUST | IEEE 트랜스. Inf. Forensics Secur. ? | 2023년 | [선술집] |
| Federated Learning Over Coupled Graphs | XJTU | IEEE 트랜스. Parallel Distributed Syst. ? | 2023년 | [PUB] [PDF] |
| HetVis: A Visual Analysis Approach for Identifying Data Heterogeneity in Horizontal Federated Learning | Nankai University | IEEE 트랜스. Vis. Comput. 그래프. ? | 2023년 | [PUB] [PDF] |
| Federated Learning on Non-IID Graphs via Structural Knowledge Sharing | UTS | AAAI ? | 2023년 | [PDF] [CODE] |
| FedGS: Federated Graph-based Sampling with Arbitrary Client Availability | XMU | AAAI ? | 2023년 | [PDF] [CODE] |
| An Information Theoretic Perspective for Heterogeneous Subgraph Federated Learning. | PKU | DASFAA | 2023년 | [선술집] |
| GraphCS: Graph-based client selection for heterogeneity in federated learning | NUDT | J. Parallel Distributed Comput. | 2023년 | [선술집] |
| Towards On-Device Federated Learning: A Direct Acyclic Graph-based Blockchain Approach | BUPT | IEEE 트랜스. Neural Networks Learn. Syst. | 2023년 | [PUB] [PDF] |
| Short-Term Traffic Flow Prediction Based on Graph Convolutional Networks and Federated Learning | ZUEL | IEEE 트랜스. Intell. Transp. Syst. | 2023년 | [선술집] |
| Hyper-Graph Attention Based Federated Learning Methods for Use in Mental Health Detection. | HVL | IEEE J. Biomed. Health Informatics | 2023년 | [선술집] |
| Federated Learning-Based Cross-Enterprise Recommendation With Graph Neural | IEEE 트랜스. Ind. Informatics | 2023년 | [선술집] | |
| Graph-Fraudster: Adversarial Attacks on Graph Neural Network Based Vertical Federated Learning | ZJUT | IEEE 트랜스. Comput. Soc. Syst. | 2023년 | [PUB] [PDF] [CODE] |
| ESA-FedGNN: Efficient secure aggregation for federated graph neural networks. | Peer Peer Netw. 신청 | 2023년 | [선술집] | |
| FedCKE: Cross-Domain Knowledge Graph Embedding in Federated Learning | SWJTU | IEEE 트랜스. 빅데이터 | 2023년 | [선술집] |
| Asynchronous federated learning with directed acyclic graph-based blockchain in edge computing: Overview, design, and challenges. | Expert Syst. 신청 | 2023년 | [선술집] | |
| FedGR: Federated Graph Neural Network for Recommendation System | CUPT | Axioms | 2023년 | [선술집] |
| S-Glint: Secure Federated Graph Learning With Traffic Throttling and Flow Scheduling. | IEEE 트랜스. Green Commun. Netw. | 2023년 | [선술집] | |
| FedAGCN: A traffic flow prediction framework based on federated learning and Asynchronous Graph Convolutional Network | 신청 Soft Comput. | 2023년 | [선술집] | |
| GDFed: Dynamic Federated Learning for Heterogenous Device Using Graph Neural Network | KHU | ICOIN | 2023년 | [PUB] [CODE] |
| Coordinated Scheduling and Decentralized Federated Learning Using Conflict Clustering Graphs in Fog-Assisted IoD Networks | UBC | IEEE 트랜스. 차량. Technol. | 2023년 | [선술집] |
| FedRule: Federated Rule Recommendation System with Graph Neural Networks | CMU | IoTDI | 2023년 | [PUB] [PDF] [CODE] |
| FedWalk: Communication Efficient Federated Unsupervised Node Embedding with Differential Privacy | SJTU | KDD ? | 2022년 | [PUB] [PDF] |
| FederatedScope-GNN: Towards a Unified, Comprehensive and Efficient Platform for Federated Graph Learning | 알리바바 | KDD (Best Paper Award) ? | 2022년 | [PDF] [CODE] [PUB] |
| Deep Neural Network Fusion via Graph Matching with Applications to Model Ensemble and Federated Learning | SJTU | ICML ? | 2022년 | [PUB] [CODE] |
Meta-Learning Based Knowledge Extrapolation for Knowledge Graphs in the Federated Setting kg. | ZJU | IJCAI ? | 2022년 | [PUB] [PDF] [CODE] |
| Personalized Federated Learning With a Graph | UTS | IJCAI ? | 2022년 | [PUB] [PDF] [CODE] |
| Vertically Federated Graph Neural Network for Privacy-Preserving Node Classification | ZJU | IJCAI ? | 2022년 | [PUB] [PDF] |
| SpreadGNN: Decentralized Multi-Task Federated Learning for Graph Neural Networks on Molecular Data | USC | AAAI:mortar_board: | 2022년 | [PUB] [PDF] [CODE] [解读] |
| FedGraph: Federated Graph Learning with Intelligent Sampling | UoA | TPDS ? | 2022년 | [PUB] [CODE] [解读] |
Federated Graph Machine Learning: A Survey of Concepts, Techniques, and Applications surv. | 버지니아 대학교 | SIGKDD Explor. | 2022년 | [PUB] [PDF] |
| Semantic Vectorization: Text- and Graph-Based Models. | IBM Research | Federated Learning | 2022년 | [선술집] |
| GraphFL: A Federated Learning Framework for Semi-Supervised Node Classification on Graphs | IIT | ICDM | 2022년 | [PUB] [PDF] [解读] |
| More is Better (Mostly): On the Backdoor Attacks in Federated Graph Neural Networks | TU Delft | ACSAC | 2022년 | [PUB] [PDF] |
| FedNI: Federated Graph Learning with Network Inpainting for Population-Based Disease Prediction | UESTC | TMI | 2022년 | [PUB] [PDF] |
| SemiGraphFL: Semi-supervised Graph Federated Learning for Graph Classification. | PKU | PPSN | 2022년 | [선술집] |
| Federated Spatio-Temporal Traffic Flow Prediction Based on Graph Convolutional Network | TJU | WCSP | 2022년 | [선술집] |
| A federated graph neural network framework for privacy-preserving personalization | 목 | Nature Communications | 2022년 | [PUB] [CODE] [解读] |
| Malicious Transaction Identification in Digital Currency via Federated Graph Deep Learning | 조금 | INFOCOM Workshops | 2022년 | [선술집] |
Efficient Federated Learning on Knowledge Graphs via Privacy-preserving Relation Embedding Aggregation kg. | 리하이대학교 | EMNLP | 2022년 | [PUB] [PDF] [CODE] |
| Power Allocation for Wireless Federated Learning using Graph Neural Networks | Rice University | ICASSP | 2022년 | [PUB] [PDF] [CODE] |
| Privacy-Preserving Federated Multi-Task Linear Regression: A One-Shot Linear Mixing Approach Inspired By Graph Regularization | UC | ICASSP | 2022년 | [PUB] [PDF] [CODE] |
| Graph-regularized federated learning with shareable side information | NWPU | Knowl. Based Syst. | 2022년 | [선술집] |
Federated knowledge graph completion via embedding-contrastive learning kg. | ZJU | Knowl. Based Syst. | 2022년 | [선술집] |
| Federated Graph Learning with Periodic Neighbour Sampling | HKU | IWQoS | 2022년 | [선술집] |
| FedGSL: Federated Graph Structure Learning for Local Subgraph Augmentation. | 빅데이터 | 2022년 | [선술집] | |
| Domain-Aware Federated Social Bot Detection with Multi-Relational Graph Neural Networks. | UCAS; CAS | IJCNN | 2022년 | [선술집] |
| A Federated Multi-Server Knowledge Graph Embedding Framework For Link Prediction. | ICTAI | 2022년 | [선술집] | |
| A Privacy-Preserving Subgraph-Level Federated Graph Neural Network via Differential Privacy | Ping An Technology | KSEM | 2022년 | [PUB] [PDF] |
| Clustered Graph Federated Personalized Learning. | NTNU | IEEECONF | 2022년 | [선술집] |
| Investigating the Predictive Reproducibility of Federated Graph Neural Networks using Medical Datasets. | MICCAI Workshop | 2022년 | [PDF] [CODE] | |
| Peer-to-Peer Variational Federated Learning Over Arbitrary Graphs | UCSD | Int. J. Bio Inspired |
