Awesome FL
v2024-beta
Оглавление
Мы используем другой проект для автоматического отслеживания обновлений документов FL, нажмите на FL-paper-update-tracker, если вам это нужно.
В репозиторий будут добавлены дополнительные элементы . Пожалуйста, не стесняйтесь предлагать другие ключевые ресурсы, открыв отчет о проблеме, отправив запрос на включение или написав мне по электронной почте @ ([email protected]). Если вы хотите общаться с большим количеством друзей в области федеративного обучения, присоединяйтесь к группе QQ [联邦学习交流群], номер группы: 833638275. Приятного чтения!
Уведомление об обновлении репозитория
2024/09/30
Уважаемые пользователи, Мы хотели бы сообщить вам о нескольких изменениях, которые затронут этот репозиторий с открытым исходным кодом. Владелец и основной участник @youngfish42 успешно завершил докторантуру? по состоянию на 30 сентября 2024 г. и с тех пор сместил фокус своих исследований. Это изменение обстоятельств повлияет на частоту и объем обновлений списка бумаги хранилища.
Вместо предыдущих регулярных обновлений мы ожидаем, что список документов теперь будет обновляться ежемесячно или ежеквартально. Кроме того, глубина этих обновлений будет уменьшена. Например, обновления, связанные с учреждением автора и открытым исходным кодом, больше не будут активно поддерживаться.
Мы понимаем, что это может повлиять на ценность, которую вы извлекаете из этого репозитория. Поэтому мы смиренно приглашаем других участников принять участие в обновлении контента. Благодаря этим совместным усилиям хранилище останется ценным ресурсом для всех.
Мы ценим ваше понимание и надеемся на вашу дальнейшую поддержку и вклад.
С наилучшими пожеланиями,
白小鱼 (молодая рыба)
категории
Искусственный интеллект (IJCAI, AAAI, AISTATS, ALT, AI)
Машинное обучение (NeurIPS, ICML, ICLR, COLT, UAI, машинное обучение, JMLR, TPAMI)
Интеллектуальный анализ данных (KDD, WSDM)
Безопасность (S&P, CCS, USENIX Security, NDSS)
Компьютерное зрение (ICCV, CVPR, ECCV, MM, IJCV)
Обработка естественного языка (ACL, EMNLP, NAACL, COLING)
Информационный поиск (СИГИР)
База данных (SIGMOD, ICDE, VLDB)
Сеть (SIGCOMM, INFOCOM, MOBICOM, NSDI, WWW)
Система (OSDI, SOSP, ISCA, MLSys, EuroSys, TPDS, DAC, TOCS, TOS, TCAD, TC)
Другие (ICSE, FOCS, STOC)
| Место проведения | 2024-2020 гг. | до 2020 года |
|---|---|---|
| IJCAI | 24, 23, 22, 21, 20 | 19 |
| АААИ | 24, 23, 22, 21, 20 | - |
| АЙСТАТС | 24, 23, 22, 21, 20 | - |
| АЛТ | 22 | - |
| ИИ (Дж) | 23 | - |
| НейрИПС | 24, 23, 22, 21, 20 | 18, 17 |
| ICML | 24, 23, 22, 21, 20 | 19 |
| ICLR | 24, 23, 22, 21, 20 | - |
| КОЛЬТ | 23 | - |
| ОАИ | 23, 22, 21 | - |
| Машинное обучение (J) | 24, 23, 22 | - |
| ЯМЛР (Дж) | 24, 23, 22 | - |
| ТПАМИ (Дж) | 25, 24, 23, 22 | - |
| КДД | 24, 23, 22, 21, 20 | |
| ВСДМ | 24, 23, 22, 21 | 19 |
| S&P | 24, 23, 22 | 19 |
| CCS | 24, 23, 22, 21, 19 | 17 |
| USENIX Безопасность | 23, 22, 20 | - |
| НДСС | 24, 23, 22, 21 | - |
| ЦВПР | 24, 23, 22, 21 | - |
| ICCV | 23,21 | - |
| ECCV | 24, 22, 20 | - |
| ММ | 24, 23, 22, 21, 20 | - |
| IJCV (Дж) | 24 | - |
| список управления доступом | 23, 22, 21 | 19 |
| НААКЛ | 24, 22, 21 | - |
| ЭМНЛП | 24, 23, 22, 21, 20 | - |
| ОХЛАЖДЕНИЕ | 20 | - |
| СИГИР | 24, 23, 22, 21, 20 | - |
| СИГМОД | 22, 21 | - |
| МЦДЕ | 24, 23, 22, 21 | - |
| ВЛДБ | 23, 22, 21, 21, 20 | - |
| СИГКОММ | - | - |
| ИНФОКОМ | 24, 23, 22, 21, 20 | 19, 18 |
| МобиКом | 24, 23, 22, 21, 20 | |
| НИДИ | 23(1, 2) | - |
| WWW | 24, 23, 22, 21 | |
| ОСДИ | 21 | - |
| СОСП | 21 | - |
| ИСКА | 24 | - |
| МЛСис | 24, 23, 22, 20 | 19 |
| ЕвроСис | 24, 23, 22, 21, 20 | |
| ТПДС (Дж) | 24, 23, 22, 21, 20 | - |
| ЦАП | 24, 22, 21 | - |
| TOCS | - | - |
| Условия использования | - | - |
| ТКАД | 24, 23, 22, 21 | - |
| ТК | 24, 23, 22, 21 | - |
| МЦБЭ | 23, 21 | - |
| ФОКС | - | - |
| СТОК | - | - |
ключевые слова
Статистика: код доступен и звезд >= 100 | цитирование >= 50 | ? Место высшего уровня
kg. : Граф знаний | data. : набор данных | surv. : опрос
Статьи по федеративному обучению в журналах Nature (и его поджурналах), Cell, Science (and Science Advances) и PANS относятся к поисковой системе WOS.
| Заголовок | Принадлежность | Место проведения | Год | Материалы |
|---|---|---|---|---|
| MatSwarm: надежный метод расчета материалов на основе роевого переноса для безопасного обмена большими данными | УТБ; НТУ | Нат. Коммун. | 2024 год | [ПУБ] [КОД] |
| Внедрение периферийного интеллекта в интеллектуальные счетчики посредством федеративного разделенного обучения | Гонконг | Нат. Коммун. | 2024 год | [ПУБ] [新闻] |
| Международное исследование, представляющее платформу искусственного интеллекта для федеративного обучения при опухолях головного мозга у детей. | Стэнфордский университет | Нат. Коммун. | 2024 год | [ПУБ] [КОД] |
| PPML-Omics: метод интегрированного машинного обучения, сохраняющий конфиденциальность, защищает конфиденциальность пациентов в омических данных. | КАУСТ | Достижения науки | 2024 год | [ПУБ] [КОД] |
| Федеративное обучение не является панацеей от этики данных | ТУМ; УФА | Нат. Мах. Интел.(Комментарий) | 2024 год | [ПАБ] |
| Надежная федеративная модель обучения для выявления пациентов высокого риска с послеоперационным рецидивом рака желудка | Центральная больница Цзянмэнь; Гуйлиньский университет аэрокосмических технологий; Гуйлиньский университет электронных технологий; | Нат. Коммун. | 2024 год | [ПУБ] [КОД] |
| Выборочный обмен знаниями для федеративной дистилляции с сохранением конфиденциальности без хорошего учителя. | Гонконг | Нат. Коммун. | 2024 год | [PUB] [PDF] [КОД] |
| Федеративная система обучения точной онкологии в Европе: DigiONE | IQVIA Раковые исследования Б.В. | Нат. Мед. (Комментарий) | 2024 год | [ПАБ] |
| Многоклиентные распределенные слепые квантовые вычисления с архитектурой Qline | Сапиенца Университет Рима | Нат. Коммун. | 2023 год | [ПУБ] [PDF] |
| Независимое от устройства квантовое случайное доказательство с нулевым разглашением | УСТК | ПНАС | 2023 год | [PUB] [PDF] [新闻] |
| Совместная сортировка отработанных аккумуляторов с сохранением конфиденциальности для выгодной прямой переработки с помощью интегрированного машинного обучения | Университет Цинхуа | Нат. Коммун. | 2023 год | [ПАБ] |
| Пропаганда конфиденциальности нейроданных и регулирования нейротехнологий | Колумбийский университет | Нат. Протокол. (Перспектива) | 2023 год | [ПАБ] |
| Федеративный бенчмаркинг медицинского искусственного интеллекта с помощью MedPerf | IHU Страсбург; Страсбургский университет; Институт рака Дана-Фарбер; Вейл Корнелл Медицина; Гарвардская школа общественного здравоохранения им. Т.Ч.Чана; Массачусетский технологический институт; Интел | Нат. Мах. Интел. | 2023 год | [PUB] [PDF] [КОД] |
| Алгоритмическая справедливость в искусственном интеллекте для медицины и здравоохранения | Гарвардская медицинская школа; Институт Броуда Гарвардского университета и Массачусетский технологический институт; Институт рака Дана-Фарбер | Нат. Биомед. англ. (Перспектива) | 2023 год | [ПУБ] [PDF] |
| Дифференциальная частная передача знаний для федеративного обучения | ЧТ | Нат. Коммун. | 2023 год | [ПУБ] [КОД] |
| Децентрализованное федеративное обучение посредством совместного использования прокси-моделей | ИИ уровня 6; Университет Ватерлоо; Вектор Институт | Нат. Коммун. | 2023 год | [PUB] [PDF] [КОД] |
| Федеративное машинное обучение в исследованиях, отвечающих требованиям защиты данных | Гамбургский университет | Нат. Мах. Интел.(Комментарий) | 2023 год | [ПАБ] |
| Федеративное обучение для прогнозирования гистологического ответа на неоадъювантную химиотерапию при тройном негативном раке молочной железы | Оукин | Нат. Мед. | 2023 год | [ПУБ] [КОД] |
| Федеративное обучение позволяет использовать большие данные для обнаружения границ редких видов рака | Пенсильванский университет | Нат. Коммун. | 2022 год | [PUB] [PDF] [КОД] |
| Федеративное обучение и суверенитет геномных данных коренных народов | Обнимающее лицо | Нат. Мах. Интел. (Комментарий) | 2022 год | [ПАБ] |
| Обучение федеративному распределенному представлению для неконтролируемого обнаружения аномалий мозга | ТУМ | Нат. Мах. Интел. | 2022 год | [PUB] [PDF] [КОД] |
| Переход машинного обучения в здравоохранении от разработки к развертыванию и от моделей к данным | Стэнфордский университет; Гринстоун Бионауки | Нат. Биомед. англ. (Обзор статьи) | 2022 год | [ПАБ] |
| Структура нейронной сети федеративного графа для персонализации с сохранением конфиденциальности. | ЧТ | Нат. Коммун. | 2022 год | [PUB] [КОД] [解读] |
| Эффективное для коммуникации федеративное обучение посредством дистилляции знаний | ЧТ | Нат. Коммун. | 2022 год | [PUB] [PDF] [КОД] |
| Ведущее интегрированное нейроморфное обучение для беспроводного искусственного интеллекта | ХМУ; НТУ | Нат. Коммун. | 2022 год | [PUB] [КОД] [解读] |
| Новый децентрализованный федеративный подход к обучению на основе глобально распределенных, низкого качества и защищенных частных медицинских данных. | Университет Вуллонгонга | наук. Представитель | 2022 год | [ПАБ] |
| Улучшение диагностики COVID-19 благодаря сотрудничеству в области искусственного интеллекта, обеспечивающему конфиденциальность | ХУСТ | Нат. Мах. Интел. | 2021 год | [PUB] [PDF] [КОД] |
| Федеративное обучение для прогнозирования клинических результатов у пациентов с COVID-19 | Радиология MGH и Гарвардская медицинская школа | Нат. Мед. | 2021 год | [ПУБ] [КОД] |
| Состязательное вмешательство и его смягчение в совместном машинном обучении, сохраняющем конфиденциальность | Имперский колледж Лондона; ТУМ; OpenMined | Нат. Мах. Интелл.(Перспектива) | 2021 год | [ПАБ] |
| Swarm Learning для децентрализованного и конфиденциального клинического машинного обучения | ДЗНЕ; Боннский университет; | Природа ? | 2021 год | [PUB] [КОД] [ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ] [解读] |
| Сквозная конфиденциальность, сохраняющая глубокое обучение при мультиинституциональной медицинской визуализации | ТУМ; Имперский колледж Лондона; OpenMined | Нат. Мах. Интел. | 2021 год | [PUB] [КОД] [解读] |
| Эффективное в общении федеративное обучение | КУХК; Принстонский университет | ПАНС. | 2021 год | [ПУБ] [КОД] |
| Нарушение границ обмена медицинскими данными с помощью синтезированных рентгенограмм | RWTH Ахенский университет | Наука. Авансы. | 2020 год | [ПУБ] [КОД] |
| Безопасное, сохраняющее конфиденциальность и интегрированное машинное обучение в медицинской визуализации | ТУМ; Имперский колледж Лондона; OpenMined | Нат. Мах. Интелл.(Перспектива) | 2020 год | [ПАБ] |
Статьи по федеративному обучению, принятые ведущими конференциями и журналами по искусственному интеллекту, в том числе IJCAI (Международная совместная конференция по искусственному интеллекту), AAAI (Конференция AAAI по искусственному интеллекту), AISTATS (Искусственный интеллект и статистика), ALT (Международная конференция по алгоритмическому обучению). Теория), AI(Искусственный интеллект).
| Заголовок | Принадлежность | Место проведения | Год | Материалы |
|---|---|---|---|---|
| Федеративная многопредставленная кластеризация посредством тензорной факторизации | IJCAI | 2024 год | [ПАБ] | |
| Эффективная федеративная многопредставленная кластеризация со встроенной матричной факторизацией и K-средними | IJCAI | 2024 год | [ПАБ] | |
| LG-FGAD: эффективная система обнаружения аномалий федеративных графов | IJCAI | 2024 год | [ПАБ] | |
| Федеративное оперативное обучение для моделей Weather Foundation на устройствах | IJCAI | 2024 год | [ПАБ] | |
| Разрушение барьеров системной гетерогенности: устойчивое к отставанию мультимодальное федеративное обучение посредством дистилляции знаний | IJCAI | 2024 год | [ПАБ] | |
| Отучение во время обучения: эффективный метод федеративного машинного отучения | IJCAI | 2024 год | [ПАБ] | |
| Практическое гибридное градиентное сжатие для систем федеративного обучения | IJCAI | 2024 год | [ПАБ] | |
| Объединенное причинно-следственное обнаружение с учетом неоднородности качества выборки посредством адаптивного выбора пространства переменных | IJCAI | 2024 год | [ПУБ] [КОД] | |
| Регуляризованное федеративное обучение по нормам функций: использование различий в данных для повышения производительности модели | IJCAI | 2024 год | [ПУБ] [КОД] | |
| Количественная оценка неопределенности на основе Дирихле для персонализированного федеративного обучения с улучшенными апостериорными сетями | IJCAI | 2024 год | [ПАБ] | |
| FedConPE: эффективные федеративные диалоговые бандиты с гетерогенными клиентами | IJCAI | 2024 год | [ПАБ] | |
| DarkFed: бэкдор-атака без данных в федеративном обучении | IJCAI | 2024 год | [ПАБ] | |
| Масштабируемое федеративное отучение посредством изолированного и кодированного шардинга | IJCAI | 2024 год | [ПАБ] | |
| Улучшение двухцелевых междоменных рекомендаций с помощью федеративного обучения с сохранением конфиденциальности | IJCAI | 2024 год | [ПАБ] | |
| Утечка меток в вертикальном федеративном обучении: опрос | IJCAI | 2024 год | [ПАБ] | |
| Расцвет федеративного интеллекта: от моделей федеративных фондов к коллективному разуму | IJCAI | 2024 год | [ПАБ] | |
| LEAP: оптимизация иерархического федеративного обучения на данных, не относящихся к IID, с помощью игры по формированию коалиции | IJCAI | 2024 год | [ПАБ] | |
| EAB-FL: Усугубление алгоритмической предвзятости посредством атак на отравление моделей в федеративном обучении | IJCAI | 2024 год | [ПАБ] | |
| Дистилляция знаний в федеративном обучении: практическое руководство | IJCAI | 2024 год | [ПАБ] | |
| FedGCS: генеративная платформа для эффективного выбора клиентов в федеративном обучении посредством градиентной оптимизации | IJCAI | 2024 год | [ПАБ] | |
| FedPFT: точная настройка базовых моделей с помощью федеративного прокси | IJCAI | 2024 год | [ПУБ] [КОД] | |
| Систематическое исследование федеративного полуконтролируемого обучения | IJCAI | 2024 год | [ПАБ] | |
| Интеллектуальные агенты для федеративного обучения на основе аукционов: опрос | IJCAI | 2024 год | [ПАБ] | |
| Стратегия назначения ставок без предвзятости, максимизирующая доход для потребителей данных в рамках федеративного обучения на основе аукционов | IJCAI | 2024 год | [ПАБ] | |
| Персонализированное интегрированное обучение на основе двойной калибровки | IJCAI | 2024 год | [ПАБ] | |
| Поддержка принятия решений, ориентированная на заинтересованных сторон, для федеративного обучения на основе аукционов | IJCAI | 2024 год | [ПАБ] | |
| Переосмысление вклада: федеративное обучение, управляемое Шепли | IJCAI | 2024 год | [ПУБ] [КОД] | |
| Опрос по эффективным методам федеративного обучения для базовой модели обучения | IJCAI | 2024 год | [ПАБ] | |
| От оптимизации к обобщению: справедливое федеративное обучение против изменения качества посредством межклиентского сопоставления резкости | IJCAI | 2024 год | [ПУБ] [КОД] | |
| FBLG: подход на основе локальных графов для обработки данных, не относящихся к IID, с двойной асимметрией в федеративном обучении | IJCAI | 2024 год | [ПАБ] | |
| FedFa: полностью асинхронная парадигма обучения для федеративного обучения | IJCAI | 2024 год | [ПАБ] | |
| FedSSA: агрегирование на основе семантического сходства для эффективного персонализированного интегрированного обучения с гетерогенной моделью | IJCAI | 2024 год | [ПАБ] | |
| FedES: федеративная ранняя остановка для предотвращения запоминания шума разнородных меток | IJCAI | 2024 год | [ПАБ] | |
| Персонализированное федеративное обучение для прогнозирования трафика в городе | IJCAI | 2024 год | [ПАБ] | |
| Интегрированная адаптация для рекомендаций на основе базовой модели | IJCAI | 2024 год | [ПАБ] | |
| BADFSS: бэкдор-атаки на федеративное самоконтролируемое обучение | IJCAI | 2024 год | [ПАБ] | |
| Оценка перед устранением смещения: байесовский подход к устранению предшествующего смещения в федеративном полуконтролируемом обучении | IJCAI | 2024 год | [ПУБ] [КОД] | |
| FedTAD: очищение знаний без учета данных с учетом топологии для федеративного обучения подграфов | IJCAI | 2024 год | [ПАБ] | |
| BOBA: византийско-надежное федеративное обучение с асимметрией меток | ОИУК | АЙСТАТС | 2024 год | [PUB] [PDF] [КОД] |
| Федеративные линейные контекстные бандиты с разнородными клиентами | Университет Вирджинии | АЙСТАТС | 2024 год | [PUB] [PDF] [КОД] |
| Разработка федеративного эксперимента в условиях распределенной дифференциальной конфиденциальности | Стэнфордский университет; Мета | АЙСТАТС | 2024 год | [PUB] [PDF] [КОД] |
| Выход из седловых точек в гетерогенном федеративном обучении с помощью распределенного SGD со сжатием связи | Принстонский университет | АЙСТАТС | 2024 год | [ПУБ] [PDF] |
| Асинхронный SGD на графах: унифицированная платформа для асинхронной децентрализованной и федеративной оптимизации | ИНРИА | АЙСТАТС | 2024 год | [ПУБ] [PDF] |
| SIFU: последовательное информированное федеративное отучение для эффективного и доказуемого отучения клиентов в рамках федеративной оптимизации | ИНРИА | АЙСТАТС | 2024 год | [PUB] [PDF] [КОД] |
| Сжатие с точным распределением ошибок для федеративного обучения | Политехническая школа | АЙСТАТС | 2024 год | [PUB] [PDF] [КОД] |
| Адаптивная федеративная минимаксная оптимизация с меньшими сложностями | НЮ; Ключевая лаборатория МИИТ анализа закономерностей и машинного интеллекта | АЙСТАТС | 2024 год | [ПУБ] [PDF] |
| Адаптивное сжатие в федеративном обучении с помощью дополнительной информации | Стэнфордский университет; Университет Падуи | АЙСТАТС | 2024 год | [PUB] [PDF] [КОД] |
| Федеративное обучение по требованию для произвольных распределений целевых классов | ЮНИСТ | АЙСТАТС | 2024 год | [ПУБ] [КОД] |
| FedFisher: использование информации Fisher для единовременного федеративного обучения | КМУ | АЙСТАТС | 2024 год | [PUB] [PDF] [КОД] |
| Динамика очередей асинхронного федеративного обучения | Хуавей | АЙСТАТС | 2024 год | [ПУБ] [PDF] |
| Персонализированный федеративный бандит с X-вооружением | Университет Пердью | АЙСТАТС | 2024 год | [PUB] [PDF] [КОД] |
| Федеративное обучение гетерогенных электронных медицинских карт с использованием сетей внимания с расширенными временными графами | Оксфордский университет | АЙСТАТС | 2024 год | [ПУБ] [КОД] |
| Стохастический сглаженный градиентный спуск для федеративной минимаксной оптимизации | Университет Вирджинии | АЙСТАТС | 2024 год | [ПУБ] [PDF] |
| Понимание обобщения федеративного обучения через стабильность: неоднородность имеет значение | Северо-Западный университет | АЙСТАТС | 2024 год | [PUB] [PDF] [КОД] |
| Доказуемые взаимные выгоды от федеративного обучения в чувствительных к конфиденциальности областях | Софийский университет | АЙСТАТС | 2024 год | [PUB] [PDF] [КОД] |
| Анализ утечки конфиденциальной информации в федеративных моделях большого языка | Университет Флориды | АЙСТАТС | 2024 год | [PUB] [PDF] [КОД] |
| Инвариантный агрегатор для защиты от федеративных бэкдор-атак | ОИУК | АЙСТАТС | 2024 год | [PUB] [PDF] [КОД] |
| Эффективное интегрированное обучение с данными и неоднородностью клиентов | ИСТА | АЙСТАТС | 2024 год | [PUB] [PDF] [КОД] |
| FedMut: обобщенное федеративное обучение посредством стохастической мутации | НТУ | АААИ | 2024 год | [ПАБ] |
| Федеративное частичное обучение по меткам с локально-адаптивным расширением и регуляризацией | Карлтонский университет | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] |
| Никаких предрассудков! Справедливые нейронные сети с федеративным графом для персонализированных рекомендаций | ИИТ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| Формальная логика обеспечивает персонализированное федеративное обучение посредством вывода свойств | Университет Вандербильта | АААИ | 2024 год | [ПУБ] [PDF] |
| Независимое от задачи обучение представлению с сохранением конфиденциальности для федеративного обучения против атак вывода атрибутов | Иллинойс Технологический институт | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| FairTrade: достижение оптимального по Парето компромисса между сбалансированной точностью и справедливостью в федеративном обучении | Университет Лейбница | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] |
| Борьба с дисбалансом данных в федеративном полуконтролируемом обучении с двойными регуляторами | Гонконг | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] |
| Fed-QSSL: платформа для персонализированного федеративного обучения в условиях битовой пропускной способности и неоднородности данных | ЮТ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] |
| О распутывании асимметричной передачи знаний в федеративном обучении, независимом от модальностей и задач | Университет Вирджинии | АААИ | 2024 год | [ПАБ] |
| FedDAT: подход к тонкой настройке базовой модели в мультимодальном гетерогенном федеративном обучении | ЛМУ Мюнхен Сименс АГ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| Следите за своей головой: сборка проекционных головок для сохранения надежности объединенных моделей | Объединенная ключевая лаборатория искусственного интеллекта в Шэньси Сианьского университета Цзяотун | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] |
| FedGCR: достижение производительности и справедливости федеративного обучения с различными типами клиентов посредством групповой настройки и изменения веса | НТУ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [КОД] |
| Объединенные кодировщики, специфичные для модальности, и мультимодальные привязки для персонализированной сегментации опухолей головного мозга | Сямэньский университет | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| Использование неравномерности меток в федеративном обучении с помощью конкатенации моделей | НУС | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| Дополнительный анализ знаний для надежной и сохраняющей конфиденциальность модели, обслуживающей вертикальное федеративное обучение | СУСТ; Гонконг | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] |
| Федеративное обучение через совместную дистилляцию ввода-вывода | Университет в Буффало; США Гарвардская медицинская школа | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| Калиброванное интегрированное обучение за один раунд с байесовским выводом в пространстве прогнозирования | Институт вектора Университета Ватерлоо | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| FedCSL: масштабируемый и точный подход к обучению федеративной причинной структуры | ВФУТ | АААИ | 2024 год | [ПУБ] [PDF] |
| FedFixer: уменьшение шума от разнородных меток в федеративном обучении | Сианьский университет Цзяотун; Лейденский университет | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] |
| FedLPS: гетерогенное федеративное обучение для нескольких задач с общим использованием локальных параметров | НЮУ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| Доказуемо конвергентное федеративное трехуровневое обучение | ТЮ | АААИ | 2024 год | [ПУБ] [PDF] |
| Перформативное федеративное обучение: решение проблемы модельно-зависимых и гетерогенных сдвигов распределения | УМ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] |
| Общая коммерческая аналитика: глобальная федеративная система на основе NLP для сохранения конфиденциальности и устойчивых персонализированных услуг для нескольких продавцов. | Университет Кён Хи; Харекс ИнфоТех | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] |
| EMGAN: Early Mix-GAN для извлечения серверной модели в раздельном федеративном обучении | Сони ИИ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [КОД] |
| FedDiv: совместная фильтрация шума для федеративного обучения с использованием зашумленных меток | СЮГУ; Гонконг | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| Точечный преобразователь с интегрированным обучением для прогнозирования статуса HER2 рака молочной железы на основе изображений целых слайдов, окрашенных гематоксилином и эозином | УСТК; КАС | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| FedNS: алгоритм быстрого построения эскизов типа Ньютона для федеративного обучения | КАС | АААИ | 2024 год | [PUB] [PDF] [КОД] |
| Федеративный X-вооруженный бандит | Университет Пердью | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| Алгоритмическая основа федеративного обучения с последовательными данными | ГМУ | АААИ | 2024 год | [ПАБ] |
| UFDA: Универсальная адаптация федеративного домена с практическими предположениями | ХЮТУ; Сиднейский университет | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| FedASMU: эффективное асинхронное федеративное обучение с динамическим обновлением модели с учетом устаревания | Hithink RoyalFlush Information Network Co. | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] |
| Преобразователь с языковым управлением для федеративной классификации по нескольким меткам | НТУ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| FedCD: федеративное полуконтролируемое обучение с балансом осведомленности о классе через двух учителей | СЗУ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [КОД] |
| За пределами традиционных угроз: постоянная бэкдор-атака на федеративное обучение | ВОУ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [КОД] |
| Федеративное обучение с чрезвычайно шумными клиентами посредством отрицательной дистилляции | XMU | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| FedST: обучение федеративному переносу стилей для сегментации изображений без IID | УТБ | АААИ | 2024 год | [PUB] [СТРАНИЦА] [学报] [КОД] |
| PPIDSG: схема распространения изображений с сохранением конфиденциальности с помощью GAN в федеративном обучении | УСТК | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| Структура когнитивного цифрового двойника (CDT) на основе федеративного обучения (PPFL) с сохранением конфиденциальности для умных городов | ДКУ | АААИ | 2024 год | [ПАБ] |
| Первично-двойственный алгоритм для гибридного федеративного обучения | Северо-Западный университет | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] |
| FedLF: поуровневое справедливое федеративное обучение | КУХК; Шэньчжэньский институт искусственного интеллекта и робототехники для общества | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] |
| На пути к федеративному обучению Fair Graph через механизмы стимулирования | ЗЮ; ФДУ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| На пути к устойчивости дифференцированного частного федеративного обучения | ЧТ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] |
| Сопротивление бэкдор-атакам в федеративном обучении посредством двунаправленных выборов и индивидуальной точки зрения | ЗЮ; ХУАВЕЙ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| Достаточно целого числа: когда вертикальное федеративное обучение сочетается с округлением | ЗЮ; Группа Муравей | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] |
| Федеративное обучение под руководством CLIP по вопросам неоднородности и длинных данных | XMU | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| Федеративная адаптивная быстрая настройка для многодоменного совместного обучения | ФДУ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| Многомерное справедливое федеративное обучение | СДУ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] |
| HiFi-Gas: иерархический механизм стимулирования федеративного обучения, расширенная оценка использования газа | Группа ЭНН | АААИ | 2024 год | [ПАБ] |
| О роли серверного импульса в федеративном обучении | Университет Вирджинии | АААИ | 2024 год | [ПУБ] [PDF] |
| FedCompetitors: Гармоничное сотрудничество в федеративном обучении с конкурирующими участниками | БУПТ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] |
| z-SignFedAvg: унифицированное стохастическое знаковое сжатие для федеративного обучения | КУХК; Китайский Шэньчжэньский научно-исследовательский институт больших данных | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] |
| Асинхронное федеративное обучение с учетом несоответствия данных и временной недоступности для прогнозного обслуживания транспортных средств | Группа Фольксваген | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] |
| Обучение федеративным графам при смене предметной области с помощью обобщаемых прототипов | WHU | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] |
| TurboSVM-FL: усиление федеративного обучения посредством агрегации SVM для ленивых клиентов | Технический университет Мюнхена | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| Совместная минимизация градиентного несоответствия с несколькими источниками для генерализации федеративной области | ТЮ | АААИ | 2024 год | [PUB] [PDF] [КОД] |
| Сокрытие чувствительных выборок от градиентной утечки в федеративном обучении | Университет Монаша | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| FedA3I: агрегирование с учетом качества аннотаций для федеративной сегментации медицинских изображений против гетерогенного шума аннотаций | ХУСТ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| Объединенное обучение причинно-следственной связи с объяснимой адаптивной оптимизацией | СДУ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] |
| Федеративные контекстные каскадные бандиты с асинхронной связью и разнородными пользователями | УСТЦ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] |
| Изучение однократного федеративного обучения с полуконтролем с помощью предварительно обученных диффузионных моделей | ФДУ | АААИ | 2024 год | [ПУБ] [PDF] |
| Совместная стилизация разнообразия и аутентичности для генерализации федеративных доменов при повторной идентификации личности | ХМУ; Университет Тренто | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] |
| PerFedRLNAS: универсальный персонализированный поиск по федеративной нейронной архитектуре | У Т | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] |
| Эффективное асинхронное федеративное обучение с перспективным агрегированием импульсов и мелкозернистой коррекцией | БУПТ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] |
| Состязательные атаки на алгоритмы адаптивного битрейта с федеративным обучением | Гонконг | АААИ | 2024 год | [ПАБ] |
| FedTGP: обучаемые глобальные прототипы с адаптивным контрастным обучением с улучшенной маржой для неоднородности данных и моделей в федеративном обучении | СЖТУ | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] [КОД] |
| LR-XFL: объяснимое интегрированное обучение, основанное на логических рассуждениях | НТУ | АААИ | 2024 год | [PUB] [PDF] [КОД] |
| Подход Хубера к минимизации потерь в византийском надежном федеративном обучении | Чжэцзянская лаборатория | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] [PDF] |
| Коучинг параметров с учетом знаний для персонализированного федеративного обучения | Северо-Восточный университет | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] |
| Федеративное обучение на основе шума меток с регуляризацией продуктов локального разнообразия | СЖТУ | АААИ | 2024 год | [PUB] [PAGE] [SUPP] |
| Адаптированное взвешенное агрегирование в федеративном обучении (Конспект студента) | ЮБК | АААИ | 2024 год | [ПАБ] |
| Передача знаний через компактную модель в федеративном обучении (конспект студента) | Сиднейский университет | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] |
| PICSR: межуровневый маршрутизатор с информацией о прототипе для федеративного обучения (конспект студента) | Автонная лаборатория Университета штата Огайо, CMU | АААИ | 2024 год | [ПУБ] [СТРАНИЦА] |
| Сохраняющая конфиденциальность сеть свертки графов для рекомендаций объединенных элементов | СЗУ | ИИ | 2023 год | [ПАБ] |
| Беспроигрышный вариант: федеративная структура, сохраняющая конфиденциальность, для двухцелевых междоменных рекомендаций | КАС; УКАС; Джей Ди Технология; JD Исследование интеллектуальных городов | АААИ | 2023 год | [ПАБ] |
| Нецелевая атака на федеративные системы рекомендаций посредством внедрения ядовитых предметов и защиты | УСТК; Государственная ключевая лаборатория когнитивного интеллекта | АААИ | 2023 год | [PUB] [PDF] [КОД] |
| Федеративный краудсорсинг со стимулированием | СДУ | АААИ | 2023 год | [ПУБ] [PDF] |
| Решение проблемы неоднородности данных в федеративном обучении с помощью прототипов классов | Университет Лихай | АААИ | 2023 год | [PUB] [PDF] [КОД] |
| FairFed: обеспечение групповой справедливости в федеративном обучении | ОСК | АААИ | 2023 год | [PUB] [PDF] [解读] |
| Распространение федеративной устойчивости: совместное использование состязательной устойчивости в гетерогенном федеративном обучении | МГУ | АААИ | 2023 год | [ПАБ] |
| Разреженность дополнений: сокращение модели с минимальными накладными расходами для федеративного обучения | НЖИТ | АААИ | 2023 год | [ПАБ] |
| Почти бесплатная связь при федеративной идентификации Best Arm | НУС | АААИ | 2023 год | [ПУБ] [PDF] |
| Послойное адаптивное агрегирование моделей для масштабируемого федеративного обучения | Университет Южной Калифорнии, Университет Инха | АААИ | 2023 год | [ПУБ] [PDF] |
| Отравление Цербером: скрытая и сговоренная бэкдор-атака на федеративное обучение | БЖТУ | АААИ | 2023 год | [ПАБ] |
| FedMDFG: федеративное обучение с многоградиентным спуском и справедливым руководством | КУХК; Шэньчжэньский институт искусственного интеллекта и робототехники для общества | АААИ | 2023 год | [ПАБ] |
| Обеспечение безопасного агрегирования: уменьшение многораундовой утечки конфиденциальной информации в федеративном обучении | ОСК | АААИ | 2023 год | [PUB] [PDF] [ВИДЕО] [КОД] |
| Федеративное обучение на графах, отличных от IID, посредством структурного обмена знаниями | ОТС | АААИ | 2023 год | [PUB] [PDF] [КОД] |
| Эффективная идентификация сходства распределений в кластерном федеративном обучении через основные углы между подпространствами клиентских данных | UCSD | АААИ | 2023 год | [PUB] [PDF] [КОД] |
| FedABC: нацеленность на честную конкуренцию в сфере персонализированного федеративного обучения | ВХУ; лаборатория Хубэй Луоцзя; Академия JD Explore | АААИ | 2023 год | [ПУБ] [PDF] |
| За пределами ADMM: унифицированная адаптивная платформа федеративного обучения с уменьшенным количеством отклонений от клиента | СУТД | АААИ | 2023 год | [ПУБ] [PDF] |
| FedGS: федеративная выборка на основе графов с произвольной доступностью клиентов | XMU | АААИ | 2023 год | [PUB] [PDF] [КОД] |
| Более быстрое адаптивное федеративное обучение | Университет Питтсбурга | АААИ | 2023 год | [ПУБ] [PDF] |
| FedNP: к федеративному обучению без IID посредством федеративного нейронного распространения | Гонконг | АААИ | 2023 год | [PUB] [КОД] [ВИДЕО] [ДОСТАВКА] |
| Байесовское федеративное нейронное сопоставление, дополняющее полную информацию | ТЮ | АААИ | 2023 год | [ПУБ] [PDF] |
| CDMA: практический алгоритм федеративного обучения между устройствами для решения общих минимаксных задач | ЗЮ | АААИ | 2023 год | [PUB] [PDF] [КОД] |
| Федеративная генеративная модель гетерогенных данных из нескольких источников в IoT | ГГУ | АААИ | 2023 год | [ПАБ] |
| DeFL: защита от атак с отравлением моделей в федеративном обучении посредством информирования о критических периодах обучения | SUNY-Бингемтонский университет | АААИ | 2023 год | [ПАБ] |
| FedALA: адаптивное локальное агрегирование для персонализированного федеративного обучения | СЖТУ | АААИ | 2023 год | [PUB] [PDF] [КОД] |
| Углубление состязательной устойчивости федеративного обучения | ЗЮ | АААИ | 2023 год | [ПУБ] [PDF] |
| Об уязвимости бэкдоров для федеративного обучения | ТЮ | АААИ | 2023 год | [PUB] [PDF] [КОД] |
| Эхо соседей: усиление конфиденциальности для персонализированного частного федеративного обучения с помощью модели случайного перемешивания | РУК; Центр инженерных исследований Министерства образования по базам данных и BI | АААИ | 2023 год | [ПУБ] [PDF] |
| DPAUC: дифференциально-частное вычисление AUC в федеративном обучении | Компания ByteDance Inc. | Специальные треки AAAI | 2023 год | [PUB] [PDF] [КОД] |
| Эффективное обучение крупномасштабных моделей диагностики промышленных неисправностей посредством федеративного оппортунистического исключения блоков | НТУ | Специальные программы AAAI | 2023 год | [ПУБ] [PDF] |
| Организованное в масштабе отрасли федеративное обучение для открытия новых лекарств | КУ Левен | Специальные программы AAAI | 2023 год | [ПУБ] [PDF] [ВИДЕО] |
| Инструмент федеративного мониторинга обучения для моделирования беспилотного автомобиля (конспект студента) | ЧНУ | Специальные программы AAAI | 2023 год | [ПАБ] |
| MGIA: Атака взаимной инверсии градиента в мультимодальном федеративном обучении (Конспект студента) | ПолиУ | Специальные программы AAAI | 2023 год | [ПАБ] |
| Кластерное федеративное обучение для гетерогенных данных (Конспект студента) | ККО | Специальные программы AAAI | 2023 год | [ПАБ] |
| FedSampling: лучшая стратегия выборки для федеративного обучения | ЧТ | IJCAI | 2023 год | [PUB] [PDF] [КОД] |
| HyperFed: исследование гиперболических прототипов с последовательным агрегированием данных, отличных от IID, в федеративном обучении | ЗЮ | IJCAI | 2023 год | [ПУБ] [PDF] |
| FedOBD: оппортунистическое исключение блоков для эффективного обучения крупномасштабных нейронных сетей посредством федеративного обучения | НТУ | IJCAI | 2023 год | [PUB] [PDF] [КОД] |
| Федеративное вероятностное моделирование распределения предпочтений с компактной совместной кластеризацией для многодоменных рекомендаций с сохранением конфиденциальности | ЗЮ | IJCAI | 2023 год | [ПАБ] |
| Семантическое и структурное обучение федеративных графов | WHU | IJCAI | 2023 год | [ПАБ] |
| BARA: эффективный механизм стимулирования с онлайн-распределением бюджета на вознаграждение в межсистемном федеративном обучении | СЮГУ | IJCAI | 2023 год | [ПУБ] [PDF] |
| FedDWA: персонализированное федеративное обучение с динамической регулировкой веса | СЮГУ | IJCAI | 2023 год | [ПУБ] [PDF] |
| FedPass: вертикальное федеративное глубокое обучение с сохранением конфиденциальности и адаптивной обфускацией | Веббанк | IJCAI | 2023 год | [ПУБ] [PDF] |
| Глобально согласованный автокодировщик федеративных графов для графов, отличных от IID | ФЗУ | IJCAI | 2023 год | [ПУБ] [КОД] |
| Конкурентно-кооперативное многоагентное обучение с подкреплением для федеративного обучения на основе аукционов | НТУ | IJCAI | 2023 год | [ПАБ] |
| Двойная персонализация по федеративным рекомендациям | ДЛУ; Технологический университет Сиднея | IJCAI | 2023 год | [PUB] [PDF] [КОД] |
| FedNoRo: к устойчивому к шуму федеративному обучению путем устранения дисбаланса классов и неоднородности шума меток | ХУСТ | IJCAI | 2023 год | [PUB] [PDF] [КОД] |
| Отказ в обслуживании или детальный контроль: на пути к атакам на гибкую модель федеративного обучения | Сянтанский университет | IJCAI | 2023 год | [PUB] [PDF] [КОД] |
| FedHGN: федеративная структура для нейронных сетей с гетерогенными графами | КУХК | IJCAI | 2023 год | [PUB] [PDF] [КОД] |
| FedET: эффективная коммуникационная среда инкрементного обучения федеративных классов на основе расширенного преобразователя | Технология Ping; ЧТ | IJCAI | 2023 год | [ПУБ] [PDF] |
| Оперативное объединенное обучение прогнозированию погоды: к базовым моделям на основе метеорологических данных | ОТС | IJCAI | 2023 год | [PUB] [PDF] [КОД] |
| FedBFPT: эффективная система федеративного обучения для дальнейшей предварительной подготовки Берта | ЗЮ | IJCAI | 2023 год | [ПУБ] [КОД] |
| Байесовское федеративное обучение: опрос | Исследование IJCAI | 2023 год | [PDF] | |
| Обзор федеративной оценки в федеративном обучении | Университет Маккуори | Исследование IJCAI | 2023 год | [ПУБ] [PDF] |
| SAMBA: общая структура для безопасных федеративных многоруких бандитов (расширенное резюме) | Центр INSA Валь де Луара | Журнал IJCAI | 2023 год | [ПАБ] |
| Стоимость связи, обеспечивающая безопасность и конфиденциальность при федеративной оценке частоты | Стэнфорд | АЙСТАТС | 2023 год | [ПУБ] [КОД] |
| Эффективное и легкое федеративное обучение посредством асинхронного распределенного отсева | Университет Райса | АЙСТАТС | 2023 год | [ПУБ] [КОД] |
| Федеративное обучение в условиях распространения распределенных концепций | КМУ | АЙСТАТС | 2023 год | [ПУБ] [КОД] |
| Характеристика внутренних атак уклонения в федеративном обучении | КМУ | АЙСТАТС | 2023 год | [ПУБ] [КОД] |
| Федеративная асимптотика: модель для сравнения алгоритмов федеративного обучения. | Стэнфорд | АЙСТАТС | 2023 год | [ПУБ] [КОД] |
| Частное невыпуклое федеративное обучение без доверенного сервера | ОСК | АЙСТАТС | 2023 год | [ПУБ] [КОД] |
| Федеративное обучение для потоков данных | Университет Лазурного Берега | АЙСТАТС | 2023 год | [ПУБ] [КОД] |
| Ничего, кроме сожалений — объединенное причинно-следственное открытие с сохранением конфиденциальности | Центр информационной безопасности имени Гельмгольца | АЙСТАТС | 2023 год | [ПУБ] [КОД] |
| Атака на основе вывода активного членства при локальной дифференциальной конфиденциальности в федеративном обучении | УФЛ | АЙСТАТС | 2023 год | [ПУБ] [КОД] |
| Динамика Ланжевена с федеративным усреднением: на пути к единой теории и новым алгоритмам | CMAP | АЙСТАТС | 2023 год | [ПАБ] |
| Византийско-надежное федеративное обучение с оптимальными статистическими показателями | Калифорнийский университет в Беркли | АЙСТАТС | 2023 год | [ПУБ] [КОД] |
| Федеративное обучение на графах, отличных от IID, посредством структурного обмена знаниями | ОТС | АААИ | 2023 год | [PDF] [КОД] |
| FedGS: федеративная выборка на основе графов с произвольной доступностью клиентов | XMU | АААИ | 2023 год | [PDF] [КОД] |
| Федеративный краудсорсинг, стимулируемый стимулированием | СДУ | АААИ | 2023 год | [PDF] |
| К пониманию предвзятого выбора клиентов в федеративном обучении. | КМУ | АЙСТАТС | 2022 год | [ПУБ] [КОД] |
| FLIX: простая и эффективная альтернатива локальным методам в федеративном обучении | КАУСТ | АЙСТАТС | 2022 год | [PUB] [PDF] [КОД] |
| Точные границы для федеративного усреднения (локальный SGD) и непрерывной перспективы. | Стэнфорд | АЙСТАТС | 2022 год | [PUB] [PDF] [КОД] |
| Федеративное обучение с подкреплением в условиях неоднородности среды. | ФКУ | АЙСТАТС | 2022 год | [PUB] [PDF] [КОД] |
| Федеративное обнаружение сообщества близоруких людей с помощью однократной связи | Пердью | АЙСТАТС | 2022 год | [ПУБ] [PDF] |
| Асинхронные алгоритмы верхней доверительной границы для федеративных линейных бандитов. | Университет Вирджинии | АЙСТАТС | 2022 год | [PUB] [PDF] [КОД] |
| На пути к обучению структуры федеративной байесовской сети с непрерывной оптимизацией. | КМУ | АЙСТАТС | 2022 год | [PUB] [PDF] [КОД] |
| Федеративное обучение с буферизованной асинхронной агрегацией | Мета ИИ | АЙСТАТС | 2022 год | [ПУБ] [PDF] [ВИДЕО] |
| Дифференциальное частное федеративное обучение на гетерогенных данных. | Стэнфорд | АЙСТАТС | 2022 год | [PUB] [PDF] [КОД] |
| SparseFed: смягчение атак «отравления моделей» в федеративном обучении с помощью разрежения | Принстон | АЙСТАТС | 2022 год | [PUB] [PDF] [КОД] [ВИДЕО] |
| Основа имеет значение: более эффективные в общении методы второго порядка для федеративного обучения | КАУСТ | АЙСТАТС | 2022 год | [ПУБ] [PDF] |
| Федеративное функциональное градиентное повышение. | Пенсильванский университет | АЙСТАТС | 2022 год | [PUB] [PDF] [КОД] |
| QLSD: квантовая стохастическая динамика Ланжевина для байесовского федеративного обучения. | CRITEO AI LAB | Aistats | 2022 год | [Pub] [PDF] [Код] [Видео] |
Экстраполяция знаний на основе мета-обучения для графиков знаний в федеративной настройке kg. | Зджу | Ijcai | 2022 год | [Pub] [PDF] [Код] |
| Персонализированное федеративное обучение с графиком | ОТС | Ijcai | 2022 год | [Pub] [PDF] [Код] |
| Вертикально федеративная нейронная сеть графика для классификации узлов, обеспечивающей конфиденциальность | Зджу | Ijcai | 2022 год | [Pub] [PDF] |
| Адаптироваться к адаптации: обучение персонализации для межсело-федеративного обучения | Ijcai | 2022 год | [Pub] [PDF] [Код] | |
| Гетерогенная передача знаний ансамбля для обучения крупных моделей в федеративном обучении | Ijcai | 2022 год | [Pub] [PDF] | |
| Частное полупроверенное федеративное обучение. | Ijcai | 2022 год | [ПАБ] | |
| Непрерывное федеративное обучение, основанное на дистилляции знаний. | Ijcai | 2022 год | [ПАБ] | |
| Федеративное обучение по гетерогенным и длиннохвостовым данным с помощью повторного обучения классификатора с федеративными функциями | Ijcai | 2022 год | [Pub] [PDF] [Код] | |
| Федеративное многозадачное внимание к межиндивидуальному распознаванию человеческой деятельности | Ijcai | 2022 год | [ПАБ] | |
| Персонализированное федеративное обучение с контекстуализированным обобщением. | Ijcai | 2022 год | [Pub] [PDF] | |
| Экранирование федеративного обучения: надежная агрегация с адаптивным выбором клиента. | Ijcai | 2022 год | [Pub] [PDF] | |
| FEDCG: Используйте условную GAN для защиты конфиденциальности и поддержания конкурентной работы в федеративном обучении | Ijcai | 2022 год | [Pub] [PDF] [Код] | |
| FedDuap: Federated Learning с динамическим обновлением и адаптивной обрезкой с использованием общих данных на сервере. | Ijcai | 2022 год | [Pub] [PDF] | |
На пути к проверке федеративного обучения surv. | Ijcai | 2022 год | [Pub] [PDF] | |
| Harmofl: гармонизирование местных и глобальных дрейфов в федеративном обучении на гетерогенных медицинских изображениях | Cuhk; Буаа | Ааай | 2022 год | [Pub] [PDF] [CODE] [解读] |
| Федеративное обучение для распознавания лица с градиентной коррекцией | Блуп | Ааай | 2022 год | [Pub] [PDF] |
| Распространение: Децентрализованное многозадачное федеративное обучение для нейронных сетей графиков по молекулярным данным | ОСК | Ааай | 2022 год | [Pub] [PDF] [CODE] [解读] |
| SmartIDX: снижение стоимости коммуникации в федеративном обучении, используя структуры CNNS | УДАРЯТЬ; PCL | Ааай | 2022 год | [Паб] [Код] |
| Соединение между сигналами когнитивной обработки и лингвистическими особенностями через единую сеть внимания | ТЮ | Ааай | 2022 год | [Pub] [PDF] |
| Использование критических периодов обучения в федеративном обучении | Университет SUNY-Binghamton | Ааай | 2022 год | [Pub] [PDF] |
| Координация импульсов для кросс-силового федеративного обучения | Университет Питтсбурга | Ааай | 2022 год | [Pub] [PDF] |
| FedProto: Федеративное обучение прототипам над гетерогенными устройствами | ОТС | Ааай | 2022 год | [Pub] [PDF] [Код] |
| Fedsoft: мягкое кластерное федеративное обучение с проксимальным локальным обновлением | КМУ | Ааай | 2022 год | [Pub] [PDF] [Код] |
| Федеративное динамическое разреженное обучение: меньше вычислять, меньше общения, но при этом лучше учиться лучше | Техасский университет в Остине | Ааай | 2022 год | [Pub] [PDF] [Код] |
| FEDFR: совместная федеративная структура для общего и персонализированного распознавания лица | Национальный Тайваньский университет | Ааай | 2022 год | [Pub] [PDF] [Код] |
| SplitFed: Когда федеративное обучение встречает Split Learning | CSIRO | Ааай | 2022 год | [Pub] [PDF] [Код] |
| Эффективное планирование устройств с многопрофильным федеративным обучением | Университет Сухоу | Ааай | 2022 год | [Pub] [PDF] |
| Неявное выравнивание градиента в распределенном и федеративном обучении | ИИТ Канпур | Ааай | 2022 год | [Pub] [PDF] |
| Федеративная классификация ближайшего соседа с колонией фруктов | IBM Research | Ааай | 2022 год | [Pub] [PDF] [Код] |
| Итерационные векторные поля и консерватизм, с приложениями к федеративному обучению. | АЛТ | 2022 год | [Pub] [PDF] | |
| Федеративное обучение с конфиденциальностью с ограниченной экранией и адаптивной оптимизацией | Ijcai | 2021 год | [Pub] [PDF] [Видео] | |
| Поведение имитирует распределение: сочетание индивидуального и группового поведения для федеративного обучения | Ijcai | 2021 год | [Pub] [PDF] | |
| Fedspeech: федеративный текст в речь с постоянным обучением | Ijcai | 2021 год | [Pub] [PDF] | |
| Практическое одноразовое федеративное обучение для перекрестных сетей | Ijcai | 2021 год | [Pub] [PDF] [Код] | |
| Федеративная дистилляция модели с безумной дифференциальной конфиденциальностью | Ijcai | 2021 год | [Pub] [PDF] [Видео] | |
| LDP-FL: Практическая частная агрегация в федеративном обучении с местной дифференциальной конфиденциальностью | Ijcai | 2021 год | [Pub] [PDF] | |
| Федеративное обучение с усреднением справедливого. | Ijcai | 2021 год | [Pub] [PDF] [Код] | |
| H-FL: иерархическая коммуникационная и конфиденциальная архитектура для федеративного обучения. | Ijcai | 2021 год | [Pub] [PDF] | |
| Коммуникационное и масштабируемое децентрализованное федеративное обучение по краям. | Ijcai | 2021 год | [ПАБ] | |
| Безопасное двусмысленное асинхронное вертикальное федеративное обучение с обратным обновлением | Ксидианский университет; JD Tech | Ааай | 2021 год | [Pub] [PDF] [Видео] |
| FedRec ++: Федеративная рекомендация без потерь с явной обратной связью | Szu | Ааай | 2021 год | [Паб] [Видео] |
| Федеративные многооруженные бандиты | Университет Вирджинии | Ааай | 2021 год | [Pub] [PDF] [Код] [Видео] |
| О конвергенции коммуникационной локальной SGD для федеративного обучения | Храмовый университет; Университет Питтсбурга | Ааай | 2021 год | [Паб] [Видео] |
| Flame: дифференциально частное федеративное обучение в модели Shuffle | Китайский университет Ренмин; Киотский университет | Ааай | 2021 год | [Pub] [PDF] [Видео] [Код] |
| К пониманию влияния отдельных клиентов на федеративное обучение | SJTU; Техасский университет в Далласе | Ааай | 2021 год | [Pub] [PDF] [Видео] |
| Доказуемо защищает федеративное обучение против вредоносных клиентов | Университет Герцога | Ааай | 2021 год | [Pub] [PDF] [Видео] [Слайд] |
| Персонализированное межселовое федеративное обучение по данным, не имеющим IID, | Университет Саймона Фрейзера; Университет Макмастера | Ааай | 2021 год | [Pub] [PDF] [Видео] [UC.] |
| Игры обмена моделями: анализ федеративного обучения при добровольном участии | Корнелльский университет | Ааай | 2021 год | [Pub] [PDF] [Код] [Видео] |
| Проклятие или искупление? Как неоднородность данных влияет на надежность федеративного обучения | Университет Невады; IBM Research | Ааай | 2021 год | [Pub] [PDF] [Видео] |
| Игра в градиенты: смягчение не относящихся к делу клиентов в федеративном обучении | IIT Bombay; IBM Research | Ааай | 2021 год | [Pub] [PDF] [CODE] [Видео] [SUPP] |
| Федеративная координатная схема спуска блоков для обучения глобальному и персонализированным моделям | Cuhk; Университет штата Аризона | Ааай | 2021 год | [Pub] [PDF] [Видео] [Код] |
| Обращение к дисбалансу класса в федеративном обучении | Северо -западный университет | Ааай | 2021 год | [Pub] [PDF] [Видео] [CODE] [解读] |
| Защита от бэкдоров в федеративном обучении с надежным уровнем обучения | Техасский университет в Далласе | Ааай | 2021 год | [Pub] [PDF] [Видео] [Код] |
| Бесплатные атаки на агрегацию модели в федеративном обучении | Accenture Labs | Aistats | 2021 год | [Pub] [PDF] [CODE] [Видео] [SUPP] |
| Федеративная F-дифференциальная конфиденциальность | Пенсильванский университет | Aistats | 2021 год | [Pub] [Код] [Видео] [Supp] |
| Федеративное обучение с компрессией: единый анализ и резкие гарантии | Университет штата Пенсильвания; Техасский университет в Остине | Aistats | 2021 год | [Pub] [PDF] [CODE] [Видео] [SUPP] |
| Перетасованная модель дифференциальной конфиденциальности в федеративном обучении | UCLA; Google | Aistats | 2021 год | [Pub] [Видео] [Supp] |
| Компромиссы конвергенции и точности в федеративном обучении и мета-обучении | Aistats | 2021 год | [Pub] [pdf] [Видео] [Supp] | |
| Федеративные многооруженные бандиты с персонализацией | Университет Вирджинии; Университет штата Пенсильвания | Aistats | 2021 год | [Pub] [PDF] [CODE] [Видео] [SUPP] |
| На пути к гибкому участию устройства в федеративном обучении | CMU; Sysu | Aistats | 2021 год | [Pub] [pdf] [Видео] [Supp] |
| Федеративное мета-обучение для мошеннического обнаружения кредитной карты | Ijcai | 2020 год | [Паб] [Видео] | |
| Многопользовательская игра для изучения федеральных схем стимулирования обучения | Ijcai | 2020 год | [Pub] [Code] [解读] | |
| Практическое федеральное градиент | NUS; УВА | Ааай | 2020 год | [Pub] [PDF] [Код] |
| Федеративное обучение для проблем с зрением и языком заземления | ПКУ; Тенсент | Ааай | 2020 год | [ПАБ] |
| Федеративное скрытое распределение дирихлета: локальная рамка на основе конфиденциальности, основанная на конфиденциальности, на основе конфиденциальности | Буаа | Ааай | 2020 год | [ПАБ] |
| Федеративное хеширование пациента | Корнелльский университет | Ааай | 2020 год | [ПАБ] |
| Надежное федеральное обучение через совместное обучение машины | Symantec Research Labs; Кауст | Ааай | 2020 год | [Pub] [PDF] |
| FedVision: онлайн -платформа обнаружения визуальных объектов, основанная на федеративном обучении | Webank | Ааай | 2020 год | [Pub] [PDF] [Код] |
| FedPaq: экономичный метод обучения, экономичный, с периодическим усреднением и квантованием | UC Санта -Барбара; UT Остин | Aistats | 2020 год | [Pub] [pdf] [Видео] [Supp] |
| Как использовать бэкдор для федеративного обучения | Корнелл Тех | Aistats | 2020 год | [Pub] [PDF] [Видео] [CODE] [SUPP] |
| Федеративное открытие тяжелых нападающих с дифференциальной конфиденциальностью | RPI; Google | Aistats | 2020 год | [Pub] [pdf] [Видео] [Supp] |
| Многоагентная визуализация для объяснения федеративного обучения | Webank | Ijcai | 2019 год | [Паб] [Видео] |
Федеративные учебные документы, принятые в Top ML (Machine Learning) Conference and Journal, включая Neurips (Ежегодная конференция по системам обработки нейронной информации), ICML (Международная конференция по машинному обучению), ICLR (Международная конференция по обучению), Colt (Ежегодная конференция по вычислительной технике. Теория обучения), UAI (конференция по неопределенности в искусственном интеллекте), Машинное обучение, JMLR (журнал исследований машинного обучения), TPAMI (IEEE Transactions об анализе шаблонов и машинном интеллекте).
| Заголовок | Принадлежность | Место проведения | Год | Материалы |
|---|---|---|---|---|
| Стабилизация и ускорение федеративного обучения по гетерогенным данным с частичным участием клиента | TPAMI | 2025 год | [ПАБ] | |
| Медицинская федеративная модель со смесью персонализированных и общих компонентов | TPAMI | 2025 год | [ПАБ] | |
| Один выстрел в федеративном обучении с помощью синтетического дистиллера-дистиллята общения | Невра | 2024 год | [ПАБ] | |
| Неудесявое федеральное обучение на компактных гладких подэманпах с гетерогенными данными | Невра | 2024 год | [ПАБ] | |
| Fedgmkd: Эффективный прототип федеративной структуры обучения посредством дистилляции знаний и агрегации расхождений | Невра | 2024 год | [ПАБ] | |
| Улучшение обобщения в федеративном обучении с помощью регуляризации взаимной информации моделей: подход заднего вывода | Невра | 2024 год | [ПАБ] | |
| Федеративная модель гетерогенная матришка | Невра | 2024 год | [ПАБ] | |
| Федеративное обучение графика для рекомендации по междомену | Невра | 2024 год | [ПАБ] | |
| Fedgmark: достоверно надежная водянка для федеративного графического обучения | Невра | 2024 год | [ПАБ] | |
| Адаптер с двойным личность для федеративных моделей фонда | Невра | 2024 год | [ПАБ] | |
| Федеративные градиент естественной политики и методы критиков актера для обучения для подкрепления с несколькими задачами | Невра | 2024 год | [ПАБ] | |
| Укрощение длинного хвоста в прогнозировании мобильности человека | Невра | 2024 год | [ПАБ] | |
| Двойная защита: повышение конфиденциальности и смягчения атак отравления в федеративном обучении | Невра | 2024 год | [ПАБ] | |
| Оптимизаторы с графиком для рекомендаций по структуре внедряют эволюцию. | Невра | 2024 год | [ПАБ] | |
| Дофит: федеративная настройка инструкций с облегченным катастрофическим забывением | Невра | 2024 год | [ПАБ] | |
| Эффективное федеральное обучение против неоднородного и нестационарного клиента недоступности | Невра | 2024 год | [ПАБ] | |
| Федеративный трансформатор: многопартийное вертикальное федеративное обучение на практических нечетко связанных данных | Невра | 2024 год | [ПАБ] | |
| Fiarse: модель-гетерогенное федеративное обучение с помощью экстракции подмодели с значимостью. | Невра | 2024 год | [ПАБ] | |
| Вероятностная федеративная оперативная настройка с не-IID и несбалансированными данными | Невра | 2024 год | [ПАБ] | |
| Флора: федеративные тонкие настройки больших языковых моделей с гетерогенными адаптациями с низким уровнем ранга | Невра | 2024 год | [ПАБ] | |
| Приручение дисперсии представления междомена в федеративном прототипе обучении с гетерогенными областями данных | Невра | 2024 год | [ПАБ] | |
| PFEDCLUB: контролируемая гетерогенная агрегация модели для персонализированного федеративного обучения | Невра | 2024 год | [ПАБ] | |
| Зачем идти полным? Повышение федерального обучения через частичные обновления сети | Невра | 2024 год | [ПАБ] | |
| Fusefl: одноразовое федеративное обучение через призму причинно-следственной связи с прогрессивной моделью | Невра | 2024 год | [ПАБ] | |
| Fedssp: Federated Graph Learning со спектральными знаниями и персонализированными предпочтениями | Невра | 2024 год | [ПАБ] | |
| Обработка Learnwares из гетерогенных объектов с явным эксплуатацией метки | Невра | 2024 год | [ПАБ] | |
| A-FEDPD: Выравнивание двойного дрейфа-все федеративные первичные потребности в обучении | Невра | 2024 год | [ПАБ] | |
| Частная и персонализированная частотная оценка в федеративной обстановке | Невра | 2024 год | [ПАБ] | |
| Компромисс сложности с коммуникацией в федеративном Q-обучении | Невра | 2024 год | [ПАБ] | |
| Федеративное ансамблевое обучение в автономном режиме | Невра | 2024 год | [ПАБ] | |
| Федеративная адаптация черного ящика для семантической сегментации | Невра | 2024 год | [ПАБ] | |
| Мышление вперед: Эффективная память федеративная создания языковых моделей | Невра | 2024 год | [ПАБ] | |
| Федеративное обучение на моделях фонда на языке зрения: теоретический анализ и метод | Невра | 2024 год | [ПАБ] | |
| Оптимальный дизайн для выявления предпочтений человека | Невра | 2024 год | [ПАБ] | |
| На пути к разнообразному устройству гетерогенное федеративное обучение с помощью интеграции арифметических знаний задач | Невра | 2024 год | [ПАБ] | |
| Персонализированное федеральное обучение с помощью адаптации распределения функций | Невра | 2024 год | [ПАБ] | |
| Скафльса: укрощение неоднородности в федеративном линейном стохастическом приближении и обучении TD | Невра | 2024 год | [ПАБ] | |
| Байесовский подход к персонализированному федеративному обучению в гетерогенных условиях | Невра | 2024 год | [ПАБ] | |
| RFLPA: надежная федеративная структура обучения против отравления атаками с безопасной агрегацией | Невра | 2024 год | [ПАБ] | |
| Fedgtst: повышение глобальной передачи федеративных моделей посредством настройки статистики | Невра | 2024 год | [ПАБ] | |
| Сквозная обучаемая кластеризация для намерения обучения в рекомендации | Невра | 2024 год | [ПАБ] | |
| FEDLPA: одноразовое федеральное обучение с слоем задним агрегацией | Невра | 2024 год | [ПАБ] | |
| Time-FFM: к модели федеративного фонда, обеспеченной LM для прогнозирования временных рядов | Невра | 2024 год | [ПАБ] | |
| FOOGD: Федеративное сотрудничество как для обобщаемого обобщения, так и для обнаружения | Невра | 2024 год | [ПАБ] | |
| Швейцарский армейский нож для гетерогенного федеративного обучения: гибкая связь через Trace Norm | Невра | 2024 год | [ПАБ] | |
| Федерал: Суррогатный федеральный соседский сосед | Невра | 2024 год | [ПАБ] | |
| Низкая точность местного обучения достаточно для федеративного обучения | Невра | 2024 год | [ПАБ] | |
| Федеративное самоотверженное обучение с учетом ресурсов с репрезентациями глобального класса | Невра | 2024 год | [ПАБ] | |
| По необходимости сотрудничества для выбора онлайн -модели с децентрализованными данными | Невра | 2024 год | [ПАБ] | |
| Сила экстраполяции в федеративном обучении | Невра | 2024 год | [ПАБ] | |
| (Fl) $^2 $: преодоление нескольких ярлыков в федеративном полусопервизированном обучении | Невра | 2024 год | [ПАБ] | |
| О стратегиях отбора проб для Spectral Model Sharding | Невра | 2024 год | [ПАБ] | |
| Настройка языковых моделей с помощью экземпляра LORA для последовательной рекомендации | Невра | 2024 год | [ПАБ] | |
| SPAFL: Связанное с коммуникационным федеративным обучением с разреженными моделями и низкими вычислительными накладными расходами | Невра | 2024 год | [ПАБ] | |
| Hydra-FL: гибридная дистилляция знаний для надежного и точного федеративного обучения | Невра | 2024 год | [ПАБ] | |
| Стабилизированные методы проксимальной точки для федеративной оптимизации | Невра | 2024 год | [ПАБ] | |
| DAPPERFL: Доменное адаптивное обучение федеративному | Невра | 2024 год | [ПАБ] | |
| Распорошность параметров рассечение для защиты задних ходов в гетерогенном федеративном обучении | Невра | 2024 год | [ПАБ] | |
| Ведут ли худший агент в пакете? Анализ динамики агента в Unified Distributed SGD | Невра | 2024 год | [ПАБ] | |
| FedAVP: увеличить локальные данные с помощью общей политики в федеративном обучении | Невра | 2024 год | [ПАБ] | |
| COBO: совместное обучение с помощью Bilevel Optimization | Невра | 2024 год | [ПАБ] | |
| Анализ конвергенции разделенного федеративного обучения по гетерогенным данным | Невра | 2024 год | [ПАБ] | |
| Коммуникационная федеративная групповая распределение. | Невра | 2024 год | [ПАБ] | |
| Ferrari: федеративная функция Отключение с помощью оптимизации чувствительности функций | Невра | 2024 год | [ПАБ] | |
| Федеративное обучение через подключенные режимы | Невра | 2024 год | [ПАБ] | |
| Персонализированное федеративное обучение со смесью моделей для адаптивного прогноза и модели точной настройки | Невра | 2024 год | [ПАБ] | |
| Приводит ли эгалитарная справедливость к нестабильности? Ограничения справедливости в стабильном федеративном обучении при альтруистическом поведении | Невра | 2024 год | [ПАБ] | |
| Федеративное онлайн-прогноз от экспертов с дифференциальной конфиденциальностью: разделение и сожаление. | Невра | 2024 год | [ПАБ] | |
| ДАТАСТИЧЕСКИЕ ДАТА: ПРЕДОСТАВЛЯТЬ ДАННЫЕ из диффузионных моделей в федеративном обучении с несколькими троянами | Невра | 2024 год | [ПАБ] | |
| Федеративные поведенческие плоскости: объяснение эволюции поведения клиента в федеративном обучении | Невра | 2024 год | [ПАБ] | |
| Иерархическое обучение с коррекцией градиента с несколькими масками | Невра | 2024 год | [ПАБ] | |
| Гиперпризмом: адаптивная нелинейная структура агрегации для распределенного машинного обучения по сравнению с данными, не изменяющимися во времени. | Невра | 2024 год | [ПАБ] | |
| Копье: точная градиентная инверсия партий в федеративном обучении | Невра | 2024 год | [ПАБ] | |
| Федеративное обучение в рамках периодического участия клиентов и гетерогенных данных: новый алгоритм и анализ, достигающий эффективного общения | Невра | 2024 год | [ПАБ] | |
| Скорочные промежутки: федеративная мультивизионная кластеризация в гетерогенных гибридных видах | Невра | 2024 год | [ПАБ] | |
| Устойчивое к путанизации федеративное обучение посредством гармонизации данных на основе диффузии на данных без ИИД | Невра | 2024 год | [ПАБ] | |
| Местные превосходные супы: катализатор для модели, объединяющегося в межселовом федеративном обучении | Невра | 2024 год | [ПАБ] | |
| Формирование совместной работы с свободным гонщиком и конфликтом для кросс-силового федеративного обучения | Невра | 2024 год | [ПАБ] | |
| Кластеризация классификации и выравнивание функций для федеративного обучения при распределенном концепции дрейф | Невра | 2024 год | [ПАБ] | |
| Выборка клиентов с гетерогенностью: быстро и эффективно не федеративное обучение. | Невра | 2024 год | [ПАБ] | |
| Факт или художественная литература: могут ли правдивые механизмы устранить федеративную свободную езду? | Невра | 2024 год | [ПАБ] | |
| Активное обучение предпочтения для заказа предметов и вне выборки | Невра | 2024 год | [ПАБ] | |
| Федеративная тонкая настройка крупных языковых моделей в рамках гетерогенных задач и ресурсов клиентов | Невра | 2024 год | [ПАБ] | |
| Персонализация тонкой настройки в федеративном обучении для смягчения состязательных клиентов | Невра | 2024 год | [ПАБ] | |
| Пересмотр ансаммент в одноразовом федеративном обучении | Невра | 2024 год | [ПАБ] | |
| Fedllm-Bench: Реалистичные тесты для федеративного изучения крупных языковых моделей | Невра | 2024 год | [ПАБ] | |
| $ exttt {pfl-research} $: структура моделирования для ускорения исследований в частном федеративном обучении | Невра | 2024 год | [ПАБ] | |
| FedMeki: эталон для масштабирования моделей медицинского фонда посредством федеративного инъекции знаний | Невра | 2024 год | [ПАБ] | |
| Приближение импульса в асинхронном частном федеративном обучении | Neurips Workshop | 2024 год | [ПАБ] | |
| Когортная сжатие: за пределами единого общения раунд на когорту в федеральном обучении межсвязанного. | Neurips Workshop | 2024 год | [ПАБ] | |
| Федеративное обучение с генеративным содержанием | Neurips Workshop | 2024 год | [ПАБ] | |
| Использование неструктурированных текстовых данных для настройки федеративных инструкций крупных языковых моделей | Neurips Workshop | 2024 год | [ПАБ] | |
| Появляющаяся атака безопасности и защита в федеративной настройке инструкций крупных языковых моделей | Neurips Workshop | 2024 год | [ПАБ] | |
| Без дефекта сотрудничество между конкурентами в системе обучения | Neurips Workshop | 2024 год | [ПАБ] | |
| О показателях конвергенции федеративного Q-обучения в гетерогенных средах | Neurips Workshop | 2024 год | [ПАБ] | |
| Enccluster: привлечение функционального шифрования в федеративных основополагающих моделях | Neurips Workshop | 2024 год | [ПАБ] | |
| Федеральный федеральный настройка в масштабе для крупных языковых моделей | Neurips Workshop | 2024 год | [ПАБ] | |
| Горячее платное обучение | Neurips Workshop | 2024 год | [ПАБ] | |
| Федеративное динамическое обучение с низким рейтингом с гарантиями глобальной сходимости потерь | Neurips Workshop | 2024 год | [ПАБ] | |
| Будущее предварительной тренировки модели крупной языковой модели является федеральным | Neurips Workshop | 2024 год | [ПАБ] | |
| Совместное обучение с общими линейными представлениями: статистические показатели и оптимальные алгоритмы | Neurips Workshop | 2024 год | [ПАБ] | |
| Феномен синаптической жизни: когда все модели фундамента вступают в брак с федеральным обучением и блокчейном | Neurips Workshop | 2024 год | [ПАБ] | |
| Zoopfl: Изучение моделей фонда Black-Box для персонализированного федеративного обучения | Neurips Workshop | 2024 год | [ПАБ] | |
| Decomfl: Federated Learning с безразмерным общением | Neurips Workshop | 2024 год | [ПАБ] | |
| Улучшение групповой связи для обобщения федеративного глубокого обучения | Neurips Workshop | 2024 год | [ПАБ] | |
| Карта: модель слияния с амортизированным фронтом Pareto с использованием ограниченных вычислений | Neurips Workshop | 2024 год | [ПАБ] | |
| OPA: Один выстрел в частной агрегации с общением с одним клиентом и его приложениями к федеративному обучению | Neurips Workshop | 2024 год | [ПАБ] | |
| Адаптивная гибридная обрезка модели в федеративном обучении посредством исследования потерь | Neurips Workshop | 2024 год | [ПАБ] | |
| Во всем мире федеративное обучение языковых моделей | Neurips Workshop | 2024 год | [ПАБ] | |
| Федштейн: улучшение многодоменного федеративного обучения через оценку Джеймса-Стейна | Neurips Workshop | 2024 год | [ПАБ] | |
| Улучшение причинно -следственного обнаружения в федеративных условиях с ограниченными местными образцами | Neurips Workshop | 2024 год | [ПАБ] | |
| $ exttt {pfl-research} $: структура моделирования для ускорения исследований в частном федеративном обучении | Neurips Workshop | 2024 год | [ПАБ] | |
| DMM: Механизм распределенного матрицы для дифференциально частного федеративного обучения с использованием упакованного секретного обмена | Neurips Workshop | 2024 год | [ПАБ] | |
| Fedcbo: достижение группового консенсуса в кластерном федеративном обучении посредством оптимизации на основе консенсуса | Jmlr | 2024 год | [ПАБ] | |
| Эффективное сопоставление федеративных графов | ICML | 2024 год | [ПАБ] | |
| Понимание федеративного обучения с помощью сервера в присутствии неполного участия клиентов | ICML | 2024 год | [ПАБ] | |
| Помимо федерации: федеративное обучение с топологией для обобщения невидимым клиентам | ICML | 2024 год | [ПАБ] | |
| FedBpt: эффективная настройка федеративных черных ящиков для больших языковых моделей | ICML | 2024 год | [ПАБ] | |
| Обоснованная модель гетерогенности в федеративном обучении с помощью асимметричного взаимного обучения на основе неопределенности | ICML | 2024 год | [ПАБ] | |
| Новая теоретическая перспектива гетерогенности данных при федеративной оптимизации | ICML | 2024 год | [ПАБ] | |
| Повышение хранения и вычислительной эффективности в федеративном мультимодальном обучении для крупномасштабных моделей | ICML | 2024 год | [] | |
| Импульс для победы: совместное обучение федеративному подкреплению в гетерогенных условиях | ICML | 2024 год | [ПАБ] | |
| Византийское федеративное обучение: влияние подмены клиента и локальные обновления | ICML | 2024 год | [ПАБ] | |
| Доказуемые преимущества местных шагов в гетерогенном федеративном обучении для нейронных сетей: ориентировочная перспектива обучения | ICML | 2024 год | [ПАБ] | |
| Ускорение федеративного обучения с быстрой распределенной средней оценкой | ICML | 2024 год | [ПАБ] | |
| Справедливое федеральное обучение через пропорциональное ядро вето | ICML | 2024 год | [ПАБ] | |
| AEGISFL: Эффективное и гибкое конфиденциальность, поддерживающее конфиденциальность, византийский кросс-силовый федеральный обучение | ICML | 2024 год | [ПАБ] | |
| Восстановление ярлыков от местных обновлений в федеративном обучении | ICML | 2024 год | [ПАБ] | |
| Fedmbridge: ослабление мультимодального федеративного обучения | ICML | 2024 год | [ПАБ] | |
| Гармонизирующая обобщение и персонализация в федеративном быстрое обучение | ICML | 2024 год | [ПАБ] | |
| Местные глобальные возмущения лучше, чем местные возмущения для минимизации федеративной резкости | ICML | 2024 год | [ПАБ] | |
| Ускорение гетерогенного федеративного обучения с классификаторами закрытой формы | ICML | 2024 год | [ПАБ] | |
| Федеративные комбинаторные многоагентные многооруженные бандиты | ICML | 2024 год | [ПАБ] | |
| Двойной рекурсивный метод спуска стохастического композиционного градиента для федеративной многоуровневой композиционной оптимизации | ICML | 2024 год | [ПАБ] | |
| Частное гетерогенное федеративное обучение без проверки доверенного сервера: оптимальные ошибки и коммуникационные алгоритмы для выпуклых потерь | ICML | 2024 год | [ПАБ] | |
| FEDRC: решание различных проблем смены распределения в федеративном обучении путем надежной кластеризации | ICML | 2024 год | [ПАБ] | |
| Преследование общего благосостояния в федеративном обучении посредством последовательного принятия решений | ICML | 2024 год | [ПАБ] | |
| Pretext: Language Models для частных федеративных данных в эпоху LLMS | ICML | 2024 год | [ПАБ] | |
| Самостоятельная агрегация энтропии для византийского-допуста гетерогенного федеративного обучения | ICML | 2024 год | [ПАБ] | |
| Преодоление данных и неоднородности модели в децентрализованном федеративном обучении через синтетические якоря | ICML | 2024 год | [ПАБ] | |
| Федеративная оптимизация с двойной регуляризацией коррекции дрейфа | ICML | 2024 год | [ПАБ] | |
| FEDSC: доказуемое федеративное самоотверженное обучение с спектральной контрастной цель | ICML | 2024 год | [ПАБ] | |
| Следующее византийское федеральное конформное прогноз | ICML | 2024 год | [ПАБ] | |
| Достижение неразрешив градиентной спарсификации посредством картирования с альтернативным пространством в федеративном обучении | ICML | 2024 год | [ПАБ] | |
| Кластерное федеративное обучение с помощью распределения на основе градиента | ICML | 2024 год | [ПАБ] | |
| Повторяющиеся ранние выходы для федеративного обучения с неоднородными клиентами | ICML | 2024 год | [ПАБ] | |
| Переосмысление плоского минимума в поисках в федеративном обучении | ICML | 2024 год | [ПАБ] | |
| Fedbat: Коммуникационная федеративная обучение с помощью обучаемой бинаризации | ICML | 2024 год | [ПАБ] | |
| Федеративное представление | ICML | 2024 год | [ПАБ] | |
| Fedlmt: борьба с системой неоднородности федеративного обучения посредством обучения с низким уровнем моделей с теоретическими гарантиями | ICML | 2024 год | [ПАБ] | |
| Алгоритм ослабления шума для гетерогенного дифференциально частного федеративного обучения | ICML | 2024 год | [ПАБ] | |
| Серебро: снижение дисперсии с одной петлей и применение к федеративному обучению | ICML | 2024 год | [ПАБ] | |
| Знаки с федеративной защитой: использование состязательных атак посредством декодирования градиентного знака | ICML | 2024 год | [ПАБ] | |
| Fedcal: достижение локальной и глобальной калибровки в федеративном обучении через агрегированный параметризованный Scaler | ICML | 2024 год | [ПАБ] | |
| Федеративное постоянное обучение с помощью быстрого на основе двойного передачи знаний | ICML | 2024 год | [ПАБ] | |
| Федеративная полнопараметрическая настройка языковых моделей в миллиард с стоимостью общения до 18 килобитов | ICML | 2024 год | [ПАБ] | |
| Декомпосмируемая субмодулярная максимизация в федеративных условиях | ICML | 2024 год | [ПАБ] | |
| Частное и федеративное стохастическое выпуклое оптимизация: эффективные стратегии для централизованных систем | ICML | 2024 год | [ПАБ] | |
| Улучшенное моделирование федеративных наборов данных с использованием смесей-дирихле-мультиномов | ICML | 2024 год | [ПАБ] | |
| Уроки из анализа ошибок обобщения федеративного обучения: вы можете общаться реже! | ICML | 2024 год | [ПАБ] | |
| Византийское устойчивое и быстрое федеральное обучение | ICML | 2024 год | [ПАБ] | |
| Причинно-следственное мотивированное персонализированное федеративное инвариантное обучение с теоретикой с непрерывной информацией. | ICML | 2024 год | [ПАБ] | |
| Выбор имитации клиентов на основе ранжирования для эффективного федеративного обучения | ICML | 2024 год | [ПАБ] | |
| На пути к теории неконтролируемого федеративного обучения: несимптотический анализ федеративных EM-алгоритмов | ICML | 2024 год | [ПАБ] | |
| Фадас: На пути к федеративной адаптивной асинхронной оптимизации | ICML | 2024 год | [ПАБ] | |
| Федеративное обучение в автономном режиме: совместное покрытие с одним политикой. | ICML | 2024 год | [ПАБ] | |
| FedredeFense: защита от атак отравления моделями для федеративного обучения с использованием ошибки реконструкции обновления модели | ICML | 2024 год | [ПАБ] | |
| MH-PFLID: модель гетерогенного персонализированного федеративного обучения посредством инъекции и дистилляции для анализа медицинских данных | ICML | 2024 год | [ПАБ] | |
| Федеративное нейро-символическое обучение | ICML | 2024 год | [ПАБ] | |
| Персонализация адаптивной группы для федеративного обучения взаимной передаче | ICML | 2024 год | [ПАБ] | |
| Баланс сходства и взаимодополняемости для федеративного обучения | ICML | 2024 год | [ПАБ] | |
| Федеративные самоозначающие GNN с антикорт-переходом | ICML | 2024 год | [ПАБ] | |
| Стохастический многоуровневый композиционный минимаксный алгоритм составного композиции для глубокой максимизации AUC | ICML | 2024 год | [ПАБ] | |
| Коала: практическая и ориентированная на зрение платформа обучения | ICML | 2024 год | [ПАБ] | |
| Безопасное и быстрое асинхронное вертикальное федеративное обучение с помощью каскадной гибридной оптимизации | Маха учится | 2024 год | [ПАБ] | |
| Коммуникационное кластерное федеративное обучение на расстоянии модели | USTC; Государственная ключевая лаборатория когнитивного интеллекта | Маха учится | 2024 год | [ПАБ] |
| Федеративное обучение с суперкванильной агрегацией для гетерогенных данных. | Google Research | Маха учится | 2024 год | [Pub] [PDF] [Код] |
| Выравнивание выходов моделей для несбалансированного федеративного обучения в классе | НЮУ | Маха учится | 2024 год | [ПАБ] |
| Федеративное изучение обобщенных линейных причинных сетей | TPAMI | 2024 год | [ПАБ] | |
| Межмодальное федеративное распознавание деятельности человека | TPAMI | 2024 год | [ПАБ] | |
| Федеративный гауссовый процесс: конвергенция, автоматическая персонализация и многоцелевое моделирование | Северо -восточный университет; UOM | TPAMI | 2024 год | [Pub] [PDF] [Код] |
| Влияние состязательных атак на федеративное обучение: опрос | IIT | TPAMI | 2024 год | [ПАБ] |
| Понимание и смягчение размерного коллапса в федеративном обучении | Нюс | TPAMI | 2024 год | [Pub] [PDF] [Код] |
| Никто не остался позади: реальное федеральное обучение в классе | CAS; UCAS | TPAMI | 2024 год | [Pub] [PDF] [Код] |
| Обобщаемая гетерогенная федеративная межкорреляция и сходство экземпляров. | WHU | TPAMI | 2024 год | [Pub] [PDF] [Код] |
| Многоценное асинхронное обучение с адаптивной дифференциальной конфиденциальностью | HPU; Xjtu | TPAMI | 2024 год | [Pub] [PDF] [Код] |
| Байесовская федеративная структура обучения с онлайн -приближением Лапласа | Выдержка | TPAMI | 2024 год | [Pub] [PDF] [Код] |
| Улучшение одноразового обучения с помощью данных и ансамбля | USTC; ХКБУ | ICLR | 2024 год | [ПАБ] |
| Оценка эмпирической эмпирической конфиденциальности для федеративного обучения | ICLR | 2024 год | [Pub] [PDF] | |
| Стохастическое контролируемое усреднение для федеративного обучения с компрессией связи | Линкедин; Упенн | ICLR | 2024 год | [Pub] [PDF] |
| Легкий метод для борьбы с неизвестной статистикой участия в федеративном усреднении | ИБМ | ICLR | 2024 год | [Pub] [PDF] [Код] |
| Взаимная информационная перспектива на федеративное контрастное обучение | Qualcomm | ICLR | 2024 год | [ПАБ] |
| Алгоритмы сравнительного анализа для федеративного обобщения доменов | Университет Пердью | ICLR | 2024 год | [Pub] [PDF] [Код] |
| Эффективное и эффективное обучение федеративным деревам на гибридных данных | UC Беркли | ICLR | 2024 год | [Pub] [PDF] |
| Федеративная рекомендация с аддитивной персонализацией | ОТС | ICLR | 2024 год | [Pub] [PDF] [Код] |
| Борьба с гетерогенностью данных в асинхронном федеративном обучении с калибровкой кэшированного обновления | Пипс | ICLR | 2024 год | [Паб] [Supp] |
| Федеративное ортогональное обучение: смягчение глобального катастрофического забывания в постоянном федеративном обучении | ОСК | ICLR | 2024 год | [Pub] [Supp] [PDF] |
| Точное забывание о гетерогенном федеративном постоянном обучении | ЧТ | ICLR | 2024 год | [Паб] [Код] |
| Федеративное причинно -следственное обнаружение от гетерогенных данных | Мбзуай | ICLR | 2024 год | [Pub] [PDF] [Код] |
| На дифференциально частных федеративных линейных контекстуальных бандитах | Уэйнский государственный университет | ICLR | 2024 год | [Pub] [Supp] [PDF] |
| Стимулированное правдивое общение для федеративных бандитов | Университет Вирджинии | ICLR | 2024 год | [Pub] [PDF] |
| Принципиальная адаптация федеративной области: градиентная проекция и автоматическая взлома | UIUC | ICLR | 2024 год | [ПАБ] |
| FEDP3: Федеративная персонализированная и удобная обрезка сети в рамках модели Гетерогенности | Кауст | ICLR | 2024 год | [ПАБ] |
| Текстовое быстрое генерация для моделей на языке зрения в федеративном обучении | Robert Bosch LLC | ICLR | 2024 год | [Pub] [PDF] |
| Улучшение LORA в области конфиденциальности федеративного обучения | Северо -восточный университет | ICLR | 2024 год | [ПАБ] |
| Fedwon: трижды федеративное обучение с многодоменным обучением без нормализации | Sony Ai | ICLR | 2024 год | [Pub] [PDF] |
| FedTrans: оценка коммунального обслуживания клиента для надежного федеративного обучения | ТУ Делфт | ICLR | 2024 год | [ПАБ] |
| FedCompass: эффективное федеративное обучение по межселам на гетерогенных клиентских устройствах с использованием планировщика с учетом вычислительной мощности | Анл; UIUC; NCSA | ICLR | 2024 год | [Pub] [PDF] [CODE] [Page] |
| Оптимизация байесовского ядра для персонализированного федеративного обучения | IIT Bombay | ICLR | 2024 год | [ПАБ] |
| Подключение к линейному режиму в слое | Рур-Универстерт Бохум | ICLR | 2024 год | [Pub] [PDF] [Supp] |
| Подделка, пока не сделает: федеральное обучение с ориентированным на консенсус. | SJTU | ICLR | 2024 год | [Pub] [PDF] |
| Скрытие на виду: маскировка данных о краже атак в федеративном обучении | Не | ICLR | 2024 год | [Pub] [Supp] [PDF] |
| Анализ конечного времени на политическом гетерогенном федеративном обучении | Колумбийский университет | ICLR | 2024 год | [Pub] [PDF] |
| Адаптивное федеральное обучение с клиентами автоматического настраивания | Райсский университет | ICLR | 2024 год | [Pub] [Supp] [PDF] |
| Бэкдор Федеративное обучение, отравляя бэкдор-критические слои | без даты | ICLR | 2024 год | [Pub] [Supp] [PDF] |
| Федеративное Q-обучение: ускорение линейного сожаления с низкой стоимостью связи | Пипс | ICLR | 2024 год | [Pub] [Supp] [PDF] |
| FedimPro: Измерение и улучшение обновления клиентов в федеративном обучении | ХКБУ | ICLR | 2024 год | [Pub] [PDF] |
| Федеративное расстояние Вассерштейна | Массачусетский технологический институт | ICLR | 2024 год | [Pub] [Supp] [PDF] |
| Улучшенный анализ обрезки на выборку и обновление в федеративном обучении | ДТУ | ICLR | 2024 год | [ПАБ] |
| FedCda: Федеративное обучение с перекрестной агрегацией дивергенции | Ntu | ICLR | 2024 год | [Паб] [Supp] |
| Внутренние поперечные градиенты для распространения однородности на неоднородность в федеративном обучении | HKU | ICLR | 2024 год | [Pub] [PDF] |
| Импульс выгоды не федеральному обучению просто и доказуемо | ПКУ; Упенн | ICLR | 2024 год | [Pub] [PDF] |
| Коммуникационная федеративная нелинейная оптимизация бандитов | Йельский университет | ICLR | 2024 год | [Pub] [PDF] |
| Справедливая и эффективная оценка вклада для вертикального федеративного обучения | Хуавей | ICLR | 2024 год | [Pub] [Supp] [PDF] [Код] |
| Демистификация местных и глобальных компромиссов справедливости в федеративном обучении с использованием частичной разложения информации | UMCP | ICLR | 2024 год | [Pub] [PDF] |
| Обучение персонализированным причинно -инвариантным представлениям для гетерогенных федеративных клиентов | Полиу | ICLR | 2024 год | [ПАБ] |
| Pefll: персонализированное федеративное обучение, научившись учиться | ИСТ | ICLR | 2024 год | [Pub] [Supp] [PDF] |
| Коммуникационные градиентные методы распределения распределенных вариационных неравенств: единый анализ и локальные обновления | JHU | ICLR | 2024 год | [Pub] [Supp] [PDF] |
| FedInverse: оценка утечки конфиденциальности в федеративном обучении | USQ | ICLR | 2024 год | [Паб] [Supp] |
| Fedda: более быстрые методы адаптивного градиента для федеративной ограниченной оптимизации | UMCP | ICLR | 2024 год | [Pub] [Supp] [PDF] |
| Надежная подготовка федеративных моделей с чрезвычайно дефицитом этикетки | ХКБУ | ICLR | 2024 год | [Pub] [PDF] [Код] |
| Понимание конвергенции и обобщения в федеративном обучении через теорию обучения признакам | Рикен Айп | ICLR | 2024 год | [ПАБ] |
| Учить LLMS в Phish: кража личной информации из языковых моделей | Принстонский университет | ICLR | 2024 год | [ПАБ] |
| Как нефть и вода: методы надежности группы и обороны отравления не смешиваются | UMCP | ICLR | 2024 год | [ПАБ] |
| Ускоренная конвергенция метода стохастического тяжелого шарика при анизотропном градиентном шуме | HKUST | ICLR | 2024 год | [Pub] [PDF] |
| На пути к устранению жестких ограничений этикетки в атаках инверсии градиента | КАС | ICLR | 2024 год | [Pub] [Supp] [PDF] [Код] |
| Оптимизация локальной композитной седловой точки | Университет Пердью | ICLR | 2024 год | [Pub] [PDF] |
| Улучшение нейронной подготовки с помощью коррелированной динамической модели | ТИИТ | ICLR | 2024 год | [Pub] [PDF] |
| Econtrol: быстро распределенная оптимизация с помощью сжатия и управления ошибками | Саарландский университет | ICLR | 2024 год | [Pub] [Supp] [PDF] |
| Создание состязательных примеров для вертикального федеративного обучения: оптимальная коррупция клиента через многооруженный бандит | HKUST | ICLR | 2024 год | [ПАБ] |
| FedHyper: универсальный и надежный планировщик курсов обучения для федеративного обучения с гиперградзиентным спусканием | UMCP | ICLR | 2024 год | [Pub] [Supp] [PDF] [Код] |
| Гетерогенное персонализированное федеративное обучение с помощью местных глобальных обновлений смешивание с помощью скорости конвергенции | КУХК | ICLR | 2024 год | [ПАБ] |
| Разрыв физических и лингвистических границ: многоязычная федеративная оперативная настройка для языков с низким разрешением | Кембриджский университет | ICLR | 2024 год | [ПАБ] |
| Простой минимальный оптимальный византийский надежный алгоритм для невыпуклых целей с однородной гетерогенностью | NTT Data Matematic Systems Inc. | ICLR | 2024 год | [ПАБ] |
| VFLAIR: A Research Library and Benchmark for Vertical Federated Learning | ЧТ | ICLR | 2024 год | [PUB] [PDF] [CODE] |
| Incentive-Aware Federated Learning with Training-Time Model Rewards | NUS | ICLR | 2024 год | [PUB] [SUPP] |
| VertiBench: Advancing Feature Distribution Diversity in Vertical Federated Learning Benchmarks | NUS | ICLR | 2024 год | [PUB] [PDF] [CODE] |
| FedLoGe: Joint Local and Generic Federated Learning under Long-tailed Data | ZJU | ICLR | 2024 год | [PUB] [SUPP] [PDF] |
| SimFBO: Towards Simple, Flexible and Communication-efficient Federated Bilevel Learning | University at Buffalo | NeurIPS | 2023 год | [PUB] [PDF] [SUPP] |
| Mechanism Design for Collaborative Normal Mean Estimation | UW-Madison | NeurIPS | 2023 год | [PUB] [PDF] |
| Robust Distributed Learning: Tight Error Bounds and Breakdown Point under Data Heterogeneity | ЭПФЛ | NeurIPS | 2023 год | [PUB] [PDF] [CODE] |
| Incentives in Federated Learning: Equilibria, Dynamics, and Mechanisms for Welfare Maximization | UIUC | NeurIPS | 2023 год | [PUB] [SUPP] |
| Convergence Analysis of Sequential Federated Learning on Heterogeneous Data | BUPT | NeurIPS | 2023 год | [PUB] [PDF] [CODE] |
| Handling Data Heterogeneity via Architectural Design for Federated Visual Recognition | MBZUAI | NeurIPS | 2023 год | [PUB] [PDF] [CODE] |
| Private Federated Frequency Estimation: Adapting to the Hardness of the Instance | JHU | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| Zeroth-Order Methods for Nondifferentiable, Nonconvex, and Hierarchical Federated Optimization | Rutgers University | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| Incentivized Communication for Federated Bandits | University of Virginia | NeurIPS | 2023 год | [PUB] [PDF] |
| Multiply Robust Federated Estimation of Targeted Average Treatment Effects | Northeastern University | NeurIPS | 2023 год | [PUB] [PDF] |
| IBA: Towards Irreversible Backdoor Attacks in Federated Learning | Vanderbilt University; VinUniversity | NeurIPS | 2023 год | [PUB] [SUPP] [CODE] |
| EvoFed: Leveraging Evolutionary Strategies for Communication-Efficient Federated Learning | KAIST | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| Federated Linear Bandits with Finite Adversarial Actions | University of Virginia | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| FedNAR: Federated Optimization with Normalized Annealing Regularization | MBZUAI | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| Guiding The Last Layer in Federated Learning with Pre-Trained Models | Concordia University | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| Fine-Grained Theoretical Analysis of Federated Zeroth-Order Optimization | HZAU | NeurIPS | 2023 год | [PUB] [SUPP] |
| Navigating Data Heterogeneity in Federated Learning: A Semi-Supervised Approach for Object Detection | KAIST | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| A Data-Free Approach to Mitigate Catastrophic Forgetting in Federated Class Incremental Learning for Vision Tasks | ОСК | NeurIPS | 2023 год | [PUB] [PDF] [CODE] |
| Is Heterogeneity Notorious? Taming Heterogeneity to Handle Test-Time Shift in Federated Learning | ОТС | NeurIPS | 2023 год | [PUB] [SUPP] |
| One-Pass Distribution Sketch for Measuring Data Heterogeneity in Federated Learning | Rice University | NeurIPS | 2023 год | [PUB] [SUPP] [CODE] |
| Lockdown: Backdoor Defense for Federated Learning with Isolated Subspace Training | Gatech | NeurIPS | 2023 год | [PUB] [SUPP] [CODE] |
| FedGame: A Game-Theoretic Defense against Backdoor Attacks in Federated Learning | PSU; UIUC | NeurIPS | 2023 год | [PUB] [SUPP] [CODE] |
| Towards Personalized Federated Learning via Heterogeneous Model Reassembly | PSU | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| Every Parameter Matters: Ensuring the Convergence of Federated Learning with Dynamic Heterogeneous Models Reduction | GWU | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| DFRD: Data-Free Robustness Distillation for Heterogeneous Federated Learning | ECNU | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| A Unified Solution for Privacy and Communication Efficiency in Vertical Federated Learning | Western University | NeurIPS | 2023 год | [PUB] [SUPP] [CODE] |
| RECESS Vaccine for Federated Learning: Proactive Defense Against Model Poisoning Attacks | Xidian University; University of Guelph; Zhejiang Key Laboratory of Multi-dimensional Perception Technology, Application and Cybersecurity | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| Federated Learning with Bilateral Curation for Partially Class-Disjoint Data | SJTU; Shanghai AI Laboratory | NeurIPS | 2023 год | [PUB] [SUPP] [CODE] |
| Federated Learning with Client Subsampling, Data Heterogeneity, and Unbounded Smoothness: A New Algorithm and Lower Bounds | GMU; SJTU | NeurIPS | 2023 год | [PUB] [SUPP] [CODE] |
| FedL2P: Federated Learning to Personalize | University of Cambridge; Samsung AI Center | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| Adaptive Test-Time Personalization for Federated Learning | UIUC | NeurIPS | 2023 год | [PUB] [PDF] [CODE] |
| Federated Conditional Stochastic Optimization | Университет Питтсбурга | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| Federated Spectral Clustering via Secure Similarity Reconstruction | КУХК | NeurIPS | 2023 год | [ПАБ] |
| Mobilizing Personalized Federated Learning in Infrastructure-Less and Heterogeneous Environments via Random Walk Stochastic ADMM | UM-Dearborn | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| FedGCN: Convergence-Communication Tradeoffs in Federated Training of Graph Convolutional Networks | КМУ | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| Federated Multi-Objective Learning | РИТ | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| FLuID: Mitigating Stragglers in Federated Learning using Invariant Dropout | University of British Columbia; Gatech | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| Resolving the Tug-of-War: A Separation of Communication and Learning in Federated Learning | Университет Питтсбурга | NeurIPS | 2023 год | [PUB] [SUPP] |
| Communication-Efficient Federated Bilevel Optimization with Global and Local Lower Level Problems | Университет Питтсбурга | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| StableFDG: Style and Attention Based Learning for Federated Domain Generalization | KAIST; Purdue University | NeurIPS | 2023 год | [PUB] [PDF] |
| Understanding How Consistency Works in Federated Learning via Stage-wise Relaxed Initialization | The University of Sydney | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| DELTA: Diverse Client Sampling for Fasting Federated Learning | CUHK; The Shenzhen Institute of Artificial Intelligence and Robotics for Society | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| Federated Compositional Deep AUC Maximization | Temple University | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| A3FL: Adversarially Adaptive Backdoor Attacks to Federated Learning | PSU | NeurIPS | 2023 год | [PUB] [SUPP] [CODE] |
| Flow: Per-instance Personalized Federated Learning | University of Massachusetts | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| Eliminating Domain Bias for Federated Learning in Representation Space | SJTU | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| Federated Learning with Manifold Regularization and Normalized Update Reaggregation | КУСОЧЕК | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| Structured Federated Learning through Clustered Additive Modeling | University of Technology Sydney | NeurIPS | 2023 год | [PUB] [SUPP] |
| Fed-GraB: Federated Long-tailed Learning with Self-Adjusting Gradient Balancer | ZJU; Singapore University of Technology and Design | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| Dynamic Personalized Federated Learning with Adaptive Differential Privacy | WHU | NeurIPS | 2023 год | [PUB] [SUPP] [CODE] |
| Fed-CO$_{2}$ : Cooperation of Online and Offline Models for Severe Data Heterogeneity in Federated Learning | ShanghaiTech University | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| Solving a Class of Non-Convex Minimax Optimization in Federated Learning | Университет Питтсбурга | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| Federated Learning via Meta-Variational Dropout | СНУ | NeurIPS | 2023 год | [PUB] [CODE] |
| Improved Communication Efficiency in Federated Natural Policy Gradient via ADMM-based Gradient Updates | Purdue University | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| SPACE: Single-round Participant Amalgamation for Contribution Evaluation in Federated Learning | NTU | NeurIPS | 2023 год | [PUB] [CODE] |
| Fed-FA: Theoretically Modeling Client Data Divergence for Federated Language Backdoor Defense | PKU; Тенсент | NeurIPS | 2023 год | [PUB] [SUPP] |
| FedFed: Feature Distillation against Data Heterogeneity in Federated Learning | BUAA; ХКБУ | NeurIPS | 2023 год | [PUB] [PDF] [CODE] |
| PRIOR: Personalized Prior for Reactivating the Information Overlooked in Federated Learning | SCU | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] [解读] |
| Spectral Co-Distillation for Personalized Federated Learning | SUTD | NeurIPS | 2023 год | [ПАБ] |
| Breaking the Communication-Privacy-Accuracy Tradeoff with | ZJU | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| Exact Optimality of Communication-Privacy-Utility Tradeoffs in Distributed Mean Estimation | Стэнфордский университет | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| (Amplified) Banded Matrix Factorization: A unified approach to private training | Google DeepMind | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| Aggregating Capacity in FL through Successive Layer Training for Computationally-Constrained Devices | НАБОР | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| Privacy Amplification via Compression: Achieving the Optimal Privacy-Accuracy-Communication Trade-off in Distributed Mean Estimation | Стэнфордский университет | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| Incentivizing Honesty among Competitors in Collaborative Learning and Optimization | ETH Цюрих | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| Resilient Constrained Learning | UPenn | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| A Computation and Communication Efficient Method for Distributed Nonconvex Problems in the Partial Participation Setting | KAUST | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| Collaboratively Learning Linear Models with Structured Missing Data | Стэнфордский университет | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| Gradient Descent with Linearly Correlated Noise: Theory and Applications to Differential Privacy | ЭПФЛ | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| Fast Optimal Locally Private Mean Estimation via Random Projections | Apple Инк. | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| Contextual Stochastic Bilevel Optimization | EPFL; ETH Zürich | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| Understanding Deep Gradient Leakage via Inversion Influence Functions | MSU; Michigan State University; University of Texas at Austin | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| Inner Product-based Neural Network Similarity | Purdue University | NeurIPS | 2023 год | [PUB] [SUPP] |
| Correlation Aware Sparsified Mean Estimation Using Random Projection | КМУ | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| TIES-Merging: Resolving Interference When Merging Models | UNC | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| Global Update Tracking: A Decentralized Learning Algorithm for Heterogeneous Data | Purdue University | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| Large-Scale Distributed Learning via Private On-Device LSH | UMD | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| Faster Relative Entropy Coding with Greedy Rejection Coding | Кембриджский университет | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| Global Convergence Analysis of Local SGD for Two-layer Neural Network without Overparameterization | SJTU | NeurIPS | 2023 год | [PUB] [SUPP] |
| Momentum Provably Improves Error Feedback! | ETH AI Center; ETH Цюрих | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| Strategic Data Sharing between Competitors | Sofia University | NeurIPS | 2023 год | [PUB] [SUPP] [PDF] |
| H-nobs: Achieving Certified Fairness and Robustness in Distributed Learning on Heterogeneous Datasets | GMU | NeurIPS | 2023 год | [ПАБ] |
| Wyze Rule: Federated Rule Dataset for Rule Recommendation Benchmarking | Wyze Labs | NeurIPS Datasets and Benchmarks | 2023 год | [PUB] [SUPP] [DATASET] |
| Towards Federated Foundation Models: Scalable Dataset Pipelines for Group-Structured Learning | Google Research | NeurIPS Datasets and Benchmarks | 2023 год | [PUB] [PDF] [DATASET] |
| Text-driven Prompt Generation for Vision-Language Models in Federated Learning | NeurIPS workshop | 2023 год | [ПАБ] | |
| HePCo: Data-Free Heterogeneous Prompt Consolidation for Continual Federated Learning | NeurIPS workshop | 2023 год | [ПАБ] | |
| Beyond Gradient and Priors in Privacy Attacks: Leveraging Pooler Layer Inputs of Language Models in Federated Learning | NeurIPS workshop | 2023 год | [ПАБ] | |
| FOCUS: Fairness via Agent-Awareness for Federated Learning on Heterogeneous Data | NeurIPS workshop | 2023 год | [ПАБ] | |
| FedSoL: Bridging Global Alignment and Local Generality in Federated Learning | NeurIPS workshop | 2023 год | [ПАБ] | |
| One-shot Empirical Privacy Estimation for Federated Learning | NeurIPS workshop | 2023 год | [ПАБ] | |
| Profit: Benchmarking Personalization and Robustness Trade-off in Federated Prompt Tuning | NeurIPS workshop | 2023 год | [ПАБ] | |
| SLoRA: Federated Parameter Efficient Fine-Tuning of Language Models | NeurIPS workshop | 2023 год | [ПАБ] | |
| The Fair Value of Data Under Heterogeneous Privacy Constraints in Federated Learning | NeurIPS workshop | 2023 год | [ПАБ] | |
| Towards Building the FederatedGPT: Federated Instruction Tuning | NeurIPS workshop | 2023 год | [ПАБ] | |
| Federated Learning for Speech Recognition: Revisiting Current Trends Towards Large-Scale ASR | NeurIPS workshop | 2023 год | [ПАБ] | |
| LASER: Linear Compression in Wireless Distributed Optimization | NeurIPS workshop | 2023 год | [ПАБ] | |
| MARINA Meets Matrix Stepsizes: Variance Reduced Distributed Non-Convex Optimization | NeurIPS workshop | 2023 год | [ПАБ] | |
| TAMUNA: Doubly Accelerated Federated Learning with Local Training, Compression, and Partial Participation | NeurIPS workshop | 2023 год | [ПАБ] | |
| An Empirical Evaluation of Federated Contextual Bandit Algorithms | NeurIPS workshop | 2023 год | [ПАБ] | |
| RealFM: A Realistic Mechanism to Incentivize Data Contribution and Device Participation | NeurIPS workshop | 2023 год | [ПАБ] | |
| FDAPT: Federated Domain-adaptive Pre-training for Language Models | NeurIPS workshop | 2023 год | [ПАБ] | |
| Making Batch Normalization Great in Federated Deep Learning | NeurIPS workshop | 2023 год | [ПАБ] | |
| Correlated Noise Provably Beats Independent Noise for Differentially Private Learning | NeurIPS workshop | 2023 год | [ПАБ] | |
| Parameter Averaging Laws for Multitask Language Models | NeurIPS workshop | 2023 год | [ПАБ] | |
| Breaking Physical and Linguistic Borders: Multilingual Federated Prompt Tuning for Low-Resource Languages | NeurIPS workshop | 2023 год | [ПАБ] | |
| Beyond Parameter Averaging in Model Aggregation | NeurIPS workshop | 2023 год | [ПАБ] | |
| Augmenting Federated Learning with Pretrained Transformers | NeurIPS workshop | 2023 год | [ПАБ] | |
| Consensus Optimization at Representation: Improving Personalized Federated Learning via Data-Centric Regularization | NeurIPS workshop | 2023 год | [ПАБ] | |
| DPZero: Dimension-Independent and Differentially Private Zeroth-Order Optimization | NeurIPS workshop | 2023 год | [ПАБ] | |
| Leveraging Foundation Models to Improve Lightweight Clients in Federated Learning | NeurIPS workshop | 2023 год | [ПАБ] | |
| FedML-HE: An Efficient Homomorphic-Encryption-Based Privacy-Preserving Federated Learning System | NeurIPS workshop | 2023 год | [ПАБ] | |
| Learning Optimizers for Local SGD | NeurIPS workshop | 2023 год | [ПАБ] | |
| Exploring User-level Gradient Inversion with a Diffusion Prior | NeurIPS workshop | 2023 год | [ПАБ] | |
| User Inference Attacks on Large Language Models | NeurIPS workshop | 2023 год | [ПАБ] | |
| FedLDA: Personalized Federated Learning Through Collaborative Linear Discriminant Analysis | NeurIPS workshop | 2023 год | [ПАБ] | |
| Heterogeneous LoRA for Federated Fine-tuning of On-device Foundation Models | NeurIPS workshop | 2023 год | [ПАБ] | |
| Backdoor Threats from Compromised Foundation Models to Federated Learning | NeurIPS workshop | 2023 год | [ПАБ] | |
| MOFL/D: A Federated Multi-objective Learning Framework with Decomposition | NeurIPS workshop | 2023 год | [ПАБ] | |
| Absolute Variation Distance: an Inversion Attack Evaluation Metric for Federated Learning | NeurIPS workshop | 2023 год | [ПАБ] | |
| Fed3R: Recursive Ridge Regression for Federated Learning with strong pre-trained models | NeurIPS workshop | 2023 год | [ПАБ] | |
| FedFN: Feature Normalization for Alleviating Data Heterogeneity Problem in Federated Learning | NeurIPS workshop | 2023 год | [ПАБ] | |
| Private and Personalized Histogram Estimation in a Federated Setting | NeurIPS workshop | 2023 год | [ПАБ] | |
| The Aggregation–Heterogeneity Trade-off in Federated Learning | ФКУ | КОЛЬТ | 2023 год | [ПАБ] |
| FLASH: Automating federated learning using CASH | Rensselaer Polytechnic Institute | UAI | 2023 год | [PUB] [SUPP] [MATERIAL] |
| Personalized federated domain adaptation for item-to-item recommendation | AWS AI Labs | UAI | 2023 год | [PUB] [PDF] [SUPP] [MATERIAL] [CODE] |
| Fed-LAMB: Layer-wise and Dimension-wise Locally Adaptive Federated Learning | Baidu Research | UAI | 2023 год | [PUB] [PDF] [SUPP] [MATERIAL] |
| Federated learning of models pre-trained on different features with consensus graphs | IBM Research | UAI | 2023 год | [PUB] [SUPP] [MATERIAL] [CODE] |
| Fast Heterogeneous Federated Learning with Hybrid Client Selection | NWPU | UAI | 2023 год | [PUB] [SUPP] [MATERIAL] [PDF] |
| Learning To Invert: Simple Adaptive Attacks for Gradient Inversion in Federated Learning | Cornell University | UAI | 2023 год | [PUB] [PDF] [SUPP] [MATERIAL] [CODE] |
| Dynamic Regularized Sharpness Aware Minimization in Federated Learning: Approaching Global Consistency and Smooth Landscape | The University of Sydney | ICML | 2023 год | [PUB] [PDF] [SLIDES] |
| Analysis of Error Feedback in Federated Non-Convex Optimization with Biased Compression: Fast Convergence and Partial Participation | Реклама в LinkedIn | ICML | 2023 год | [PUB] [PDF] |
| FedHPO-Bench: A Benchmark Suite for Federated Hyperparameter Optimization | Группа Алибаба | ICML | 2023 год | [PUB] [PDF] [CODE] |
| Federated Conformal Predictors for Distributed Uncertainty Quantification | Массачусетский технологический институт | ICML | 2023 год | [PUB] [PDF] [CODE] |
| Federated Adversarial Learning: A Framework with Convergence Analysis | ЮБК | ICML | 2023 год | [PUB] [PDF] |
| Federated Heavy Hitter Recovery under Linear Sketching | Google Research | ICML | 2023 год | [PUB] [PDF] [CODE] |
| Doubly Adversarial Federated Bandits | London School of Economics and Political Science | ICML | 2023 год | [PUB] [PDF] [CODE] |
| Achieving Linear Speedup in Non-IID Federated Bilevel Learning | Калифорнийский университет | ICML | 2023 год | [PUB] [PDF] |
| One-Shot Federated Conformal Prediction | Université Paris-Saclay | ICML | 2023 год | [PUB] [PDF] [CODE] |
| Federated Online and Bandit Convex Optimization | TTIC | ICML | 2023 год | [ПАБ] |
| Federated Linear Contextual Bandits with User-level Differential Privacy | The Pennsylvania State University | ICML | 2023 год | [PUB] [PDF] |
| Vertical Federated Graph Neural Network for Recommender System | NUS | ICML | 2023 год | [PUB] [PDF] [CODE] |
| Communication-Efficient Federated Hypergradient Computation via Aggregated Iterative Differentiation | University at Buffalo | ICML | 2023 год | [PUB] [PDF] |
| Towards Understanding Ensemble Distillation in Federated Learning | KAIST | ICML | 2023 год | [ПАБ] |
| Personalized Subgraph Federated Learning | KAIST | ICML | 2023 год | [PUB] [PDF] [CODE] |
| Conformal Prediction for Federated Uncertainty Quantification Under Label Shift | Lagrange Mathematics and Computing Research Center; CMAP | ICML | 2023 год | [PUB] [PDF] |
| Secure Federated Correlation Test and Entropy Estimation | КМУ | ICML | 2023 год | [PUB] [PDF] |
| Out-of-Distribution Generalization of Federated Learning via Implicit Invariant Relationships | JLU | ICML | 2023 год | [PUB] [CODE] |
| Personalized Federated Learning under Mixture of Distributions | UCLA | ICML | 2023 год | [PUB] [PDF] [CODE] |
| FedDisco: Federated Learning with Discrepancy-Aware Collaboration | SJTU | ICML | 2023 год | [PUB] [PDF] [CODE] |
| Anchor Sampling for Federated Learning with Partial Client Participation | Purdue University | ICML | 2023 год | [PUB] [PDF] [CODE] |
| Private Federated Learning with Autotuned Compression | JHU; Google | ICML | 2023 год | [PUB] [PDF] |
| Fast Federated Machine Unlearning with Nonlinear Functional Theory | Обернский университет | ICML | 2023 год | [ПАБ] |
| On the Convergence of Federated Averaging with Cyclic Client Participation | КМУ | ICML | 2023 год | [PUB] [PDF] |
| Revisiting Weighted Aggregation in Federated Learning with Neural Networks | ZJU | ICML | 2023 год | [PUB] [PDF] [CODE] |
| The Blessing of Heterogeneity in Federated Q-Learning: Linear Speedup and Beyond | КМУ | ICML | 2023 год | [PUB] [PDF] [SLIDES] |
| GuardHFL: Privacy Guardian for Heterogeneous Federated Learning | UESTC; NTU | ICML | 2023 год | [ПАБ] |
| Flash: Concept Drift Adaptation in Federated Learning | University of Massachusetts | ICML | 2023 год | [ПАБ] |
| DoCoFL: Downlink Compression for Cross-Device Federated Learning | VMware Research; Технион | ICML | 2023 год | [PUB] [PDF] |
| FeDXL: Provable Federated Learning for Deep X-Risk Optimization | Texas A&M University | ICML | 2023 год | [PUB] [PDF] [CODE] |
| No One Idles: Efficient Heterogeneous Federated Learning with Parallel Edge and Server Computation | УДАРЯТЬ | ICML | 2023 год | [PUB] [CODE] |
| Personalized Federated Learning with Inferred Collaboration Graphs | SJTU | ICML | 2023 год | [PUB] [CODE] |
| Optimizing the Collaboration Structure in Cross-Silo Federated Learning | UIUC | ICML | 2023 год | [PUB] [PDF] [CODE] [SLIDES] |
| TabLeak: Tabular Data Leakage in Federated Learning | ETH Цюрих | ICML | 2023 год | [PUB] [PDF] [CODE] |
| FedCR: Personalized Federated Learning Based on Across-Client Common Representation with Conditional Mutual Information Regularization | SJTU | ICML | 2023 год | [PUB] [CODE] |
| Fed-CBS: A Heterogeneity-Aware Client Sampling Mechanism for Federated Learning via Class-Imbalance Reduction | Duke University | ICML | 2023 год | [PUB] [PDF] |
| Privacy-Aware Compression for Federated Learning Through Numerical Mechanism Design | Мета ИИ | ICML | 2023 год | [PUB] [PDF] [CODE] |
| SRATTA: Sample Re-ATTribution Attack of Secure Aggregation in Federated Learning | Owkin Inc. | ICML | 2023 год | [PUB] [PDF] [CODE] |
| Improving the Model Consistency of Decentralized Federated Learning | ЧТ | ICML | 2023 год | [PUB] [PDF] |
| Efficient Personalized Federated Learning via Sparse Model-Adaptation | Группа Алибаба | ICML | 2023 год | [PUB] [PDF] [CODE] |
| From Noisy Fixed-Point Iterations to Private ADMM for Centralized and Federated Learning | унив. Лилль | ICML | 2023 год | [PUB] [PDF] [CODE] |
| LeadFL: Client Self-Defense against Model Poisoning in Federated Learning | TUD | ICML | 2023 год | [PUB] [CODE] |
| Chameleon: Adapting to Peer Images for Planting Durable Backdoors in Federated Learning | HKUST | ICML | 2023 год | [PUB] [PDF] [CODE] |
| FedVS: Straggler-Resilient and Privacy-Preserving Vertical Federated Learning for Split Models | HKUST | ICML | 2023 год | [PUB] [PDF] |
| FedBR: Improving Federated Learning on Heterogeneous Data via Local Learning Bias Reduction | CUHK; The Shenzhen Institute of Artificial Intelligence and Robotics for Society | ICML | 2023 год | [PUB] [PDF] [CODE] |
| Towards Unbiased Training in Federated Open-world Semi-supervised Learning | PolyU | ICML | 2023 год | [PUB] [PDF] [SLIDES] |
| Cocktail Party Attack: Breaking Aggregation-Based Privacy in Federated Learning Using Independent Component Analysis | Georgia Tech; Мета ИИ | ICML | 2023 год | [PUB] [PDF] |
| Surrogate Model Extension (SME): A Fast and Accurate Weight Update Attack on Federated Learning | КУ Левен | ICML | 2023 год | [PUB] [PDF] [CODE] |
| Fair yet Asymptotically Equal Collaborative Learning | NUS | ICML | 2023 год | [PUB] [PDF] [CODE] |
| Sketching for First Order Method: Efficient Algorithm for Low-Bandwidth Channel and Vulnerability | Adobe Research | ICML | 2023 год | [PUB] [PDF] |
| Adversarial Collaborative Learning on Non-IID Features | UC Berkeley; NUS | ICML | 2023 год | [ПАБ] |
| XTab: Cross-table Pretraining for Tabular Transformers | EPFL; Cornell University; АВС | ICML | 2023 год | [PUB] [PDF] [CODE] |
| Momentum Ensures Convergence of SIGNSGD under Weaker Assumptions | NUDT | ICML | 2023 год | [ПАБ] |
| Byzantine-Robust Learning on Heterogeneous Data via Gradient Splitting | Key Lab of Intelligent Computing Based Big Data of Zhejiang Province; ZJU; Sony Al | ICML | 2023 год | [PUB] [PDF] [CODE] |
| LESS-VFL: Communication-Efficient Feature Selection for Vertical Federated Learning | Rensselaer Polytechnic Institute | ICML | 2023 год | [PUB] [PDF] |
| FedAvg Converges to Zero Training Loss Linearly for Overparameterized Multi-Layer Neural Networks | University of Minnesota | ICML | 2023 год | [ПАБ] |
| Addressing Budget Allocation and Revenue Allocation in Data Market Environments Using an Adaptive Sampling Algorithm | University of Chicago | ICML | 2023 год | [PUB] [PDF] [CODE] |
| Ensemble and continual federated learning for classification tasks. | Universidade de Santiago de Compostela | Mach Learn | 2023 год | [PUB] [PDF] |
| FAC-fed: Federated adaptation for fairness and concept drift aware stream classification | Leibniz University of Hannover | Mach Learn | 2023 год | [ПАБ] |
| Robust federated learning under statistical heterogeneity via hessian-weighted aggregation | Deakin University | Mach Learn | 2023 год | [ПАБ] |
| FedLab: A Flexible Federated Learning Framework | UESTC; Peng Cheng Lab | JMLR | 2023 год | [PUB] [PDF] [CODE] |
| Minimax Estimation for Personalized Federated Learning: An Alternative between FedAvg and Local Training? | JMLR | 2023 год | [ПАБ] | |
| Memory-Based Optimization Methods for Model-Agnostic Meta-Learning and Personalized Federated Learning | TAMU | JMLR | 2023 год | [PUB] [PDF] [CODE] |
| A First Look into the Carbon Footprint of Federated Learning | Кембриджский университет | JMLR | 2023 год | [PUB] [PDF] |
| Attacks against Federated Learning Defense Systems and their Mitigation | The University of Newcastle | JMLR | 2023 год | [PUB] [CODE] |
| A General Theory for Federated Optimization with Asynchronous and Heterogeneous Clients Updates | Universit ́e Cˆ ote d'Azur | JMLR | 2023 год | [PUB] [PDF] [CODE] |
| Tighter Regret Analysis and Optimization of Online Federated Learning | Hanyang University | TPAMI | 2023 год | [PUB] [PDF] |
| Efficient Federated Learning Via Local Adaptive Amended Optimizer With Linear Speedup | University of Sydney | TPAMI | 2023 год | [PDF] |
| Federated Learning Via Inexact ADMM. | BJTU | TPAMI | 2023 год | [PUB] [PDF] [CODE] |
| FedIPR: Ownership Verification for Federated Deep Neural Network Models | SJTU | TPAMI | 2023 год | [PUB] [PDF] [CODE] [解读] |
| Decentralized Federated Averaging | NUDT | TPAMI | 2023 год | [PUB] [PDF] |
| Personalized Federated Learning with Feature Alignment and Classifier Collaboration | ЧТ | ICLR | 2023 год | [PUB] [CODE] |
| MocoSFL: enabling cross-client collaborative self-supervised learning | АГУ | ICLR | 2023 год | [PUB] [CODE] |
| Single-shot General Hyper-parameter Optimization for Federated Learning | ИБМ | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| Where to Begin? Exploring the Impact of Pre-Training and Initialization in Federated | Фейсбук | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| FedExP: Speeding up Federated Averaging via Extrapolation | КМУ | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| Turning the Curse of Heterogeneity in Federated Learning into a Blessing for Out-of-Distribution Detection | MSU | ICLR | 2023 год | [PUB] [CODE] |
| DASHA: Distributed Nonconvex Optimization with Communication Compression and Optimal Oracle Complexity | KAUST | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| Machine Unlearning of Federated Clusters | University of Illinois | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| Federated Neural Bandits | NUS | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| FedFA: Federated Feature Augmentation | ETH Цюрих | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| Federated Learning as Variational Inference: A Scalable Expectation Propagation Approach | КМУ | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| Better Generative Replay for Continual Federated Learning | University of Virginia | ICLR | 2023 год | [PUB] [CODE] |
| Federated Learning from Small Datasets | IKIM | ICLR | 2023 год | [PUB] [PDF] |
| Federated Nearest Neighbor Machine Translation | USTC | ICLR | 2023 год | [PUB] [PDF] |
| Meta Knowledge Condensation for Federated Learning | A*STAR | ICLR | 2023 год | [PUB] [PDF] |
| Test-Time Robust Personalization for Federated Learning | ЭПФЛ | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| DepthFL : Depthwise Federated Learning for Heterogeneous Clients | СНУ | ICLR | 2023 год | [ПАБ] |
| Towards Addressing Label Skews in One-Shot Federated Learning | NUS | ICLR | 2023 год | [PUB] [CODE] |
| Towards Understanding and Mitigating Dimensional Collapse in Heterogeneous Federated Learning | NUS | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| Panning for Gold in Federated Learning: Targeted Text Extraction under Arbitrarily Large-Scale Aggregation | UMD | ICLR | 2023 год | [PUB] [CODE] |
| SWIFT: Rapid Decentralized Federated Learning via Wait-Free Model Communication | UMD | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| Private Federated Learning Without a Trusted Server: Optimal Algorithms for Convex Losses | ОСК | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| Effective passive membership inference attacks in federated learning against overparameterized models | Purdue University | ICLR | 2023 год | [ПАБ] |
| FiT: Parameter Efficient Few-shot Transfer Learning for Personalized and Federated Image Classification | Кембриджский университет | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| Multimodal Federated Learning via Contrastive Representation Ensemble | ЧТ | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| Faster federated optimization under second-order similarity | Принстонский университет | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| FedSpeed: Larger Local Interval, Less Communication Round, and Higher Generalization Accuracy | University of Sydney | ICLR | 2023 год | [PUB] [CODE] |
| The Best of Both Worlds: Accurate Global and Personalized Models through Federated Learning with Data-Free Hyper-Knowledge Distillation | utexas | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| PerFedMask: Personalized Federated Learning with Optimized Masking Vectors | ЮБК | ICLR | 2023 год | [PUB] [CODE] |
| EPISODE: Episodic Gradient Clipping with Periodic Resampled Corrections for Federated Learning with Heterogeneous Data | GMU | ICLR | 2023 год | [PUB] [CODE] |
| FedDAR: Federated Domain-Aware Representation Learning | Гарвард | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| Share Your Representation Only: Guaranteed Improvement of the Privacy-Utility Tradeoff in Federated Learning | upenn | ICLR | 2023 год | [PUB] [CODE] |
| FLIP: A Provable Defense Framework for Backdoor Mitigation in Federated Learning | Purdue University | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| Generalization Bounds for Federated Learning: Fast Rates, Unparticipating Clients and Unbounded Losses | ККО | ICLR | 2023 год | [ПАБ] |
| Efficient Federated Domain Translation | Purdue University | ICLR | 2023 год | [PUB] [CODE] |
| On the Importance and Applicability of Pre-Training for Federated Learning | ОГУ | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| Decepticons: Corrupted Transformers Breach Privacy in Federated Learning for Language Models | UMD | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| A Statistical Framework for Personalized Federated Learning and Estimation: Theory, Algorithms, and Privacy | UCLA | ICLR | 2023 год | [PUB] [PDF] |
| Instance-wise Batch Label Restoration via Gradients in Federated Learning | BUAA | ICLR | 2023 год | [PUB] [CODE] |
| Data-Free One-Shot Federated Learning Under Very High Statistical Heterogeneity | College of William and Mary | ICLR | 2023 год | [ПАБ] |
| CANIFE: Crafting Canaries for Empirical Privacy Measurement in Federated Learning | University of Warwick | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| Sparse Random Networks for Communication-Efficient Federated Learning | Стэнфорд | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| Combating Exacerbated Heterogeneity for Robust Decentralized Models | ХКБУ | ICLR | 2023 год | [PUB] [CODE] |
| Hyperparameter Optimization through Neural Network Partitioning | Кембриджский университет | ICLR | 2023 год | [PUB] [PDF] |
| Does Decentralized Learning with Non-IID Unlabeled Data Benefit from Self Supervision? | Массачусетский технологический институт | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| Variance Reduction is an Antidote to Byzantines: Better Rates, Weaker Assumptions and Communication Compression as a Cherry on the Top | mbzuai | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| Dual Diffusion Implicit Bridges for Image-to-Image Translation | Стэнфорд | ICLR | 2023 год | [PUB] [PDF] [CODE] |
| An accurate, scalable and verifiable protocol for federated differentially private averaging | INRIA Lille | Mach Learn | 2022 год | [PUB] [PDF] |
| Federated online clustering of bandits. | КУХК | UAI | 2022 год | [PUB] [PDF] [CODE] |
| Privacy-aware compression for federated data analysis. | Мета ИИ | UAI | 2022 год | [PUB] [PDF] [CODE] |
| Faster non-convex federated learning via global and local momentum. | UTEXAS | UAI | 2022 год | [PUB] [PDF] |
| Fedvarp: Tackling the variance due to partial client participation in federated learning. | КМУ | UAI | 2022 год | [PUB] [PDF] |
| SASH: Efficient secure aggregation based on SHPRG for federated learning | CAS; CASTEST | UAI | 2022 год | [PUB] [PDF] |
| Bayesian federated estimation of causal effects from observational data | NUS | UAI | 2022 год | [PUB] [PDF] |
| Communication-Efficient Randomized Algorithm for Multi-Kernel Online Federated Learning | Hanyang University | TPAMI | 2022 год | [ПАБ] |
| Lazily Aggregated Quantized Gradient Innovation for Communication-Efficient Federated Learning | ZJU | TPAMI | 2022 год | [PUB] [CODE] |
| Communication Acceleration of Local Gradient Methods via an Accelerated Primal-Dual Algorithm with an Inexact Prox | Moscow Institute of Physics and Technology | NeurIPS | 2022 год | [PUB] [PDF] |
| LAMP: Extracting Text from Gradients with Language Model Priors | ETHZ | NeurIPS | 2022 год | [PUB] [CODE] |
| FedAvg with Fine Tuning: Local Updates Lead to Representation Learning | utexas | NeurIPS | 2022 год | [PUB] [PDF] |
| On Convergence of FedProx: Local Dissimilarity Invariant Bounds, Non-smoothness and Beyond | NUIST | NeurIPS | 2022 год | [PUB] [PDF] |
| Improved Differential Privacy for SGD via Optimal Private Linear Operators on Adaptive Streams | WISC | NeurIPS | 2022 год | [PUB] [CODE] |
| Decentralized Gossip-Based Stochastic Bilevel Optimization over Communication Networks | Колумбийский университет | NeurIPS | 2022 год | [PUB] [PDF] |
| Asymptotic Behaviors of Projected Stochastic Approximation: A Jump Diffusion Perspective | ФКУ | NeurIPS | 2022 год | [ПАБ] |
| Subspace Recovery from Heterogeneous Data with Non-isotropic Noise | Стэнфорд | NeurIPS | 2022 год | [PUB] [PDF] |
| EF-BV: A Unified Theory of Error Feedback and Variance Reduction Mechanisms for Biased and Unbiased Compression in Distributed Optimization | KAUST | NeurIPS | 2022 год | [PUB] [PDF] |
| On-Demand Sampling: Learning Optimally from Multiple Distributions | UC Berkeley | NeurIPS | 2022 год | [PUB] [CODE] |
| Improved Utility Analysis of Private CountSketch | МСЭ | NeurIPS | 2022 год | [PUB] [PDF] [CODE] |
| Rate-Distortion Theoretic Bounds on Generalization Error for Distributed Learning | ХУАВЕЙ | NeurIPS | 2022 год | [PUB] [CODE] |
| Decentralized Local Stochastic Extra-Gradient for Variational Inequalities | phystech | NeurIPS | 2022 год | [PUB] [PDF] |
| BEER: Fast O(1/T) Rate for Decentralized Nonconvex Optimization with Communication Compression | Принстон | NeurIPS | 2022 год | [PUB] [PDF] [CODE] |
| Escaping Saddle Points with Bias-Variance Reduced Local Perturbed SGD for Communication Efficient Nonconvex Distributed Learning | The University of Tokyo | NeurIPS | 2022 год | [PUB] [PDF] |
| Near-Optimal Collaborative Learning in Bandits | INRIA; Inserm | NeurIPS | 2022 год | [PUB] [PDF] [CODE] |
| Distributed Methods with Compressed Communication for Solving Variational Inequalities, with Theoretical Guarantees | phystech | NeurIPS | 2022 год | [PUB] [PDF] |
| Towards Optimal Communication Complexity in Distributed Non-Convex Optimization | TTIC | NeurIPS | 2022 год | [PUB] [CODE] |
| FedPop: A Bayesian Approach for Personalised Federated Learning | Skoltech | NeurIPS | 2022 год | [PUB] [PDF] |
| Fairness in Federated Learning via Core-Stability | UIUC | NeurIPS | 2022 год | [PUB] [CODE] |
| SecureFedYJ: a safe feature Gaussianization protocol for Federated Learning | Sorbonne Université | NeurIPS | 2022 год | [PUB] [PDF] |
| FedRolex: Model-Heterogeneous Federated Learning with Rolling Submodel Extraction | MSU | NeurIPS | 2022 год | [PUB] [CODE] |
| On Sample Optimality in Personalized Collaborative and Federated Learning | INRIA | NeurIPS | 2022 год | [ПАБ] |
| DReS-FL: Dropout-Resilient Secure Federated Learning for Non-IID Clients via Secret Data Sharing | HKUST | NeurIPS | 2022 год | [PUB] [PDF] |
| FairVFL: A Fair Vertical Federated Learning Framework with Contrastive Adversarial Learning | ЧТ | NeurIPS | 2022 год | [ПАБ] |
| Variance Reduced ProxSkip: Algorithm, Theory and Application to Federated Learning | KAUST | NeurIPS | 2022 год | [PUB] [PDF] |
| VF-PS: How to Select Important Participants in Vertical Federated Learning, Efficiently and Securely? | WHU | NeurIPS | 2022 год | [PUB] [CODE] |
| DENSE: Data-Free One-Shot Federated Learning | ZJU | NeurIPS | 2022 год | [PUB] [PDF] |
| CalFAT: Calibrated Federated Adversarial Training with Label Skewness | ZJU | NeurIPS | 2022 год | [PUB] [PDF] |
| SAGDA: Achieving O(ϵ−2) Communication Complexity in Federated Min-Max Learning | ОГУ | NeurIPS | 2022 год | [PUB] [PDF] |
| Taming Fat-Tailed (“Heavier-Tailed” with Potentially Infinite Variance) Noise in Federated Learning | ОГУ | NeurIPS | 2022 год | [PUB] [PDF] |
| Personalized Federated Learning towards Communication Efficiency, Robustness and Fairness | ФКУ | NeurIPS | 2022 год | [ПАБ] |
| Federated Submodel Optimization for Hot and Cold Data Features | SJTU | NeurIPS | 2022 год | [ПАБ] |
| BooNTK: Convexifying Federated Learning using Bootstrapped Neural Tangent Kernels | UC Berkeley | NeurIPS | 2022 год | [PUB] [PDF] |
| Byzantine-tolerant federated Gaussian process regression for streaming data | PSU | NeurIPS | 2022 год | [PUB] [CODE] |
| SoteriaFL: A Unified Framework for Private Federated Learning with Communication Compression | КМУ | NeurIPS | 2022 год | [PUB] [PDF] |
| Coresets for Vertical Federated Learning: Regularized Linear Regression and K-Means Clustering | Йельский университет | NeurIPS | 2022 год | [PUB] [PDF] [CODE] |
| Communication Efficient Federated Learning for Generalized Linear Bandits | University of Virginia | NeurIPS | 2022 год | [PUB] [CODE] |
| Recovering Private Text in Federated Learning of Language Models | Принстон | NeurIPS | 2022 год | [PUB] [PDF] [CODE] |
| Federated Learning from Pre-Trained Models: A Contrastive Learning Approach | ОТС | NeurIPS | 2022 год | [PUB] [PDF] |
| Global Convergence of Federated Learning for Mixed Regression | Northeastern University | NeurIPS | 2022 год | [PUB] [PDF] |
| Resource-Adaptive Federated Learning with All-In-One Neural Composition | JHU | NeurIPS | 2022 год | [ПАБ] |
| Self-Aware Personalized Federated Learning | Амазонка | NeurIPS | 2022 год | [PUB] [PDF] |
| A Communication-efficient Algorithm with Linear Convergence for Federated Minimax Learning | Northeastern University | NeurIPS | 2022 год | [PUB] [PDF] |
| An Adaptive Kernel Approach to Federated Learning of Heterogeneous Causal Effects | NUS | NeurIPS | 2022 год | [ПАБ] |
| Sharper Convergence Guarantees for Asynchronous SGD for Distributed and Federated Learning | ЭПФЛ | NeurIPS | 2022 год | [PUB] [PDF] |
| Personalized Online Federated Multi-Kernel Learning | UCI | NeurIPS | 2022 год | [ПАБ] |
| SemiFL: Semi-Supervised Federated Learning for Unlabeled Clients with Alternate Training | Duke University | NeurIPS | 2022 год | [PUB] [PDF] [CODE] |
| A Unified Analysis of Federated Learning with Arbitrary Client Participation | ИБМ | NeurIPS | 2022 год | [PUB] [PDF] |
| Preservation of the Global Knowledge by Not-True Distillation in Federated Learning | KAIST | NeurIPS | 2022 год | [PUB] [PDF] [CODE] |
| FedSR: A Simple and Effective Domain Generalization Method for Federated Learning | Оксфордский университет | NeurIPS | 2022 год | [PUB] [CODE] |
| Factorized-FL: Personalized Federated Learning with Parameter Factorization & Similarity Matching | KAIST | NeurIPS | 2022 год | [PUB] [PDF] [CODE] |
| A Simple and Provably Efficient Algorithm for Asynchronous Federated Contextual Linear Bandits | Калифорнийский университет | NeurIPS | 2022 год | [PUB] [PDF] |
| Learning to Attack Federated Learning: A Model-based Reinforcement Learning Attack Framework | Tulane University | NeurIPS | 2022 год | [ПАБ] |
| On Privacy and Personalization in Cross-Silo Federated Learning | КМУ | NeurIPS | 2022 год | [PUB] [PDF] |
| A Coupled Design of Exploiting Record Similarity for Practical Vertical Federated Learning | NUS | NeurIPS | 2022 год | [PUB] [PDF] [CODE] |
| FLamby: Datasets and Benchmarks for Cross-Silo Federated Learning in Realistic Healthcare Settings | Owkin | NeurIPS Datasets and Benchmarks | 2022 год | [PUB] [CODE] |
| A Tree-based Model Averaging Approach for Personalized Treatment Effect Estimation from Heterogeneous Data Sources | Университет Питтсбурга | ICML | 2022 год | [PUB] [PDF] [CODE] |
| Fast Composite Optimization and Statistical Recovery in Federated Learning | SJTU | ICML | 2022 год | [PUB] [PDF] [CODE] |
| Personalization Improves Privacy-Accuracy Tradeoffs in Federated Learning | NYU | ICML | 2022 год | [PUB] [PDF] [CODE] |
| The Fundamental Price of Secure Aggregation in Differentially Private Federated Learning | Stanford; Google Research | ICML | 2022 год | [PUB] [PDF] [CODE] [SLIDE] |
| The Poisson Binomial Mechanism for Unbiased Federated Learning with Secure Aggregation | Stanford; Google Research | ICML | 2022 год | [PUB] [PDF] [CODE] |
| DisPFL: Towards Communication-Efficient Personalized Federated Learning via Decentralized Sparse Training | USTC | ICML | 2022 год | [PUB] [PDF] [CODE] |
| FedNew: A Communication-Efficient and Privacy-Preserving Newton-Type Method for Federated Learning | University of Oulu | ICML | 2022 год | [PUB] [PDF] [CODE] |
| DAdaQuant: Doubly-adaptive quantization for communication-efficient Federated Learning | Кембриджский университет | ICML | 2022 год | [PUB] [PDF] [SLIDE] [CODE] |
| Accelerated Federated Learning with Decoupled Adaptive Optimization | Обернский университет | ICML | 2022 год | [PUB] [PDF] |
| Federated Reinforcement Learning: Linear Speedup Under Markovian Sampling | Georgia Tech | ICML | 2022 год | [PUB] [PDF] |
| Multi-Level Branched Regularization for Federated Learning | Сеульский национальный университет | ICML | 2022 год | [PUB] [PDF] [CODE] [PAGE] |
| FedScale: Benchmarking Model and System Performance of Federated Learning at Scale | University of Michigan | ICML | 2022 год | [PUB] [PDF] [CODE] |
| Federated Learning with Positive and Unlabeled Data | XJTU | ICML | 2022 год | [PUB] [PDF] [CODE] |
| Deep Neural Network Fusion via Graph Matching with Applications to Model Ensemble and Federated Learning | SJTU | ICML | 2022 год | [PUB] [CODE] |
| Orchestra: Unsupervised Federated Learning via Globally Consistent Clustering | University of Michigan | ICML | 2022 год | [PUB] [PDF] [CODE] |
| Disentangled Federated Learning for Tackling Attributes Skew via Invariant Aggregation and Diversity Transferring | USTC | ICML | 2022 год | [PUB] [PDF] [CODE] [SLIDE] [解读] |
| Architecture Agnostic Federated Learning for Neural Networks | The University of Texas at Austin | ICML | 2022 год | [PUB] [PDF] [SLIDE] |
| Personalized Federated Learning through Local Memorization | Inria | ICML | 2022 год | [PUB] [PDF] [CODE] |
| Proximal and Federated Random Reshuffling | KAUST | ICML | 2022 год | [PUB] [PDF] [CODE] |
| Federated Learning with Partial Model Personalization | University of Washington | ICML | 2022 год | [PUB] [PDF] [CODE] |
| Generalized Federated Learning via Sharpness Aware Minimization | University of South Florida | ICML | 2022 год | [PUB] [PDF] |
| FedNL: Making Newton-Type Methods Applicable to Federated Learning | KAUST | ICML | 2022 год | [PUB] [PDF] [VIDEO] [SLIDE] |
| Federated Minimax Optimization: Improved Convergence Analyses and Algorithms | КМУ | ICML | 2022 год | [PUB] [PDF] [SLIDE] |
| Virtual Homogeneity Learning: Defending against Data Heterogeneity in Federated Learning | Hong Kong Baptist University | ICML | 2022 год | [PUB] [PDF] [CODE] [解读] |
| FedNest: Federated Bilevel, Minimax, and Compositional Optimization | University of Michigan | ICML | 2022 год | [PUB] [PDF] [CODE] |
| EDEN: Communication-Efficient and Robust Distributed Mean Estimation for Federated Learning | VMware Research | ICML | 2022 год | [PUB] [PDF] [CODE] |
| Communication-Efficient Adaptive Federated Learning | Pennsylvania State University | ICML | 2022 год | [PUB] [PDF] |
| ProgFed: Effective, Communication, and Computation Efficient Federated Learning by Progressive Training | CISPA Helmholz Center for Information Security | ICML | 2022 год | [PUB] [PDF] [SLIDE] [CODE] |
| Fishing for User Data in Large-Batch Federated Learning via Gradient Magnification | University of Maryland | ICML | 2022 год | [PUB] [PDF] [CODE] |
| Anarchic Federated Learning | The Ohio State University | ICML | 2022 год | [PUB] [PDF] |
| QSFL: A Two-Level Uplink Communication Optimization Framework for Federated Learning | Nankai University | ICML | 2022 год | [PUB] [CODE] |
| Bitwidth Heterogeneous Federated Learning with Progressive Weight Dequantization | KAIST | ICML | 2022 год | [PUB] [PDF] |
| Neural Tangent Kernel Empowered Federated Learning | NC State University | ICML | 2022 год | [PUB] [PDF] [CODE] |
| Understanding Clipping for Federated Learning: Convergence and Client-Level Differential Privacy | УМН | ICML | 2022 год | [PUB] [PDF] |
| Personalized Federated Learning via Variational Bayesian Inference | КАС | ICML | 2022 год | [PUB] [PDF] [SLIDE] [UC.] |
| Federated Learning with Label Distribution Skew via Logits Calibration | ZJU | ICML | 2022 год | [ПАБ] |
| Neurotoxin: Durable Backdoors in Federated Learning | Southeast University;Princeton | ICML | 2022 год | [PUB] [PDF] [CODE] |
| Resilient and Communication Efficient Learning for Heterogeneous Federated Systems | Michigan State University | ICML | 2022 год | [ПАБ] |
| Minibatch vs Local SGD with Shuffling: Tight Convergence Bounds and Beyond | KAIST | ICLR (oral) | 2022 год | [PUB] [CODE] |
| Bayesian Framework for Gradient Leakage | ETH Цюрих | ICLR | 2022 год | [PUB] [PDF] [CODE] |
| Federated Learning from only unlabeled data with class-conditional-sharing clients | The University of Tokyo; КУХК | ICLR | 2022 год | [PUB] [CODE] |
| FedChain: Chained Algorithms for Near-Optimal Communication Cost in Federated Learning | CMU; University of Illinois at Urbana-Champaign; University of Washington | ICLR | 2022 год | [PUB] [PDF] |
| Acceleration of Federated Learning with Alleviated Forgetting in Local Training | ЧТ | ICLR | 2022 год | [PUB] [PDF] [CODE] |
| FedPara: Low-rank Hadamard Product for Communicatkion-Efficient Federated Learning | POSTECH | ICLR | 2022 год | [PUB] [PDF] [CODE] |
| An Agnostic Approach to Federated Learning with Class Imbalance | Пенсильванский университет | ICLR | 2022 год | [PUB] [CODE] |
| Efficient Split-Mix Federated Learning for On-Demand and In-Situ Customization | Michigan State University; The University of Texas at Austin | ICLR | 2022 год | [PUB] [PDF] [CODE] |
| Robbing the Fed: Directly Obtaining Private Data in Federated Learning with Modified Models | University of Maryland; NYU | ICLR | 2022 год | [PUB] [PDF] [CODE] |
| ZeroFL: Efficient On-Device Training for Federated Learning with Local Sparsity | University of Cambridge; Оксфордский университет | ICLR | 2022 год | [PUB] [PDF] |
| Diverse Client Selection for Federated Learning via Submodular Maximization | Intel; КМУ | ICLR | 2022 год | [PUB] [CODE] |
| Recycling Model Updates in Federated Learning: Are Gradient Subspaces Low-Rank? | Purdue | ICLR | 2022 год | [PUB] [PDF] [CODE] |
| Diurnal or Nocturnal? Federated Learning of Multi-branch Networks from Periodically Shifting Distributions | University of Maryland; Google | ICLR | 2022 год | [PUB] [CODE] |
| Towards Model Agnostic Federated Learning Using Knowledge Distillation | ЭПФЛ | ICLR | 2022 год | [PUB] [PDF] [CODE] |
| Divergence-aware Federated Self-Supervised Learning | NTU; SenseTime | ICLR | 2022 год | [PUB] [PDF] [CODE] |
| What Do We Mean by Generalization in Federated Learning? | Stanford; Google | ICLR | 2022 год | [PUB] [PDF] [CODE] |
| FedBABU: Toward Enhanced Representation for Federated Image Classification | KAIST | ICLR | 2022 год | [PUB] [PDF] [CODE] |
| Byzantine-Robust Learning on Heterogeneous Datasets via Bucketing | ЭПФЛ | ICLR | 2022 год | [PUB] [PDF] [CODE] |
| Improving Federated Learning Face Recognition via Privacy-Agnostic Clusters | Aibee | ICLR Spotlight | 2022 год | [PUB] [PDF] [PAGE] [解读] |
| Hybrid Local SGD for Federated Learning with Heterogeneous Communications | University of Texas; Pennsylvania State University | ICLR | 2022 год | [ПАБ] |
| On Bridging Generic and Personalized Federated Learning for Image Classification | The Ohio State University | ICLR | 2022 год | [PUB] [PDF] [CODE] |
| Minibatch vs Local SGD with Shuffling: Tight Convergence Bounds and Beyond | KAIST; Массачусетский технологический институт | ICLR | 2022 год | [PUB] [PDF] |
| One-Shot Federated Learning: Theoretical Limits and Algorithms to Achieve Them. | JMLR | 2021 год | [PUB] [CODE] | |
| Constrained differentially private federated learning for low-bandwidth devices | UAI | 2021 год | [PUB] [PDF] | |
| Federated stochastic gradient Langevin dynamics | UAI | 2021 год | [PUB] [PDF] | |
| Federated Learning Based on Dynamic Regularization | BU; РУКА | ICLR | 2021 год | [PUB] [PDF] [CODE] |
| Achieving Linear Speedup with Partial Worker Participation in Non-IID Federated Learning | The Ohio State University | ICLR | 2021 год | [PUB] [PDF] |
| HeteroFL: Computation and Communication Efficient Federated Learning for Heterogeneous Clients | Duke University | ICLR | 2021 год | [PUB] [PDF] [CODE] |
| FedMix: Approximation of Mixup under Mean Augmented Federated Learning | KAIST | ICLR | 2021 год | [PUB] [PDF] |
| Federated Learning via Posterior Averaging: A New Perspective and Practical Algorithms | CMU; Google | ICLR | 2021 год | [PUB] [PDF] [CODE] |
| Adaptive Federated Optimization | ICLR | 2021 год | [PUB] [PDF] [CODE] | |
| Personalized Federated Learning with First Order Model Optimization | Stanford; NVIDIA | ICLR | 2021 год | [PUB] [PDF] [CODE] [UC.] |
| FedBN: Federated Learning on Non-IID Features via Local Batch Normalization | Принстон | ICLR | 2021 год | [PUB] [PDF] [CODE] |
| FedBE: Making Bayesian Model Ensemble Applicable to Federated Learning | The Ohio State University | ICLR | 2021 год | [PUB] [PDF] [CODE] |
| Federated Semi-Supervised Learning with Inter-Client Consistency & Disjoint Learning | KAIST | ICLR | 2021 год | [PUB] [PDF] [CODE] |
| KD3A: Unsupervised Multi-Source Decentralized Domain Adaptation via Knowledge Distillation | ZJU | ICML | 2021 год | [PUB] [PDF] [CODE] [解读] |
| Gradient Disaggregation: Breaking Privacy in Federated Learning by Reconstructing the User Participant Matrix | Harvard University | ICML | 2021 год | [PUB] [PDF] [VIDEO] [CODE] |
| FL-NTK: A Neural Tangent Kernel-based Framework for Federated Learning Analysis | PKU; Принстон | ICML | 2021 год | [PUB] [PDF] [VIDEO] |
| Personalized Federated Learning using Hypernetworks | Bar-Ilan University; NVIDIA | ICML | 2021 год | [PUB] [PDF] [CODE] [PAGE] [VIDEO] [解读] |
| Federated Composite Optimization | Stanford; Google | ICML | 2021 год | [PUB] [PDF] [CODE] [VIDEO] [SLIDE] |
| Exploiting Shared Representations for Personalized Federated Learning | University of Texas at Austin; Пенсильванский университет | ICML | 2021 год | [PUB] [PDF] [CODE] [VIDEO] |
| Data-Free Knowledge Distillation for Heterogeneous Federated Learning | Michigan State University | ICML | 2021 год | [PUB] [PDF] [CODE] [VIDEO] |
| Federated Continual Learning with Weighted Inter-client Transfer | KAIST | ICML | 2021 год | [PUB] [PDF] [CODE] [VIDEO] |
| Federated Deep AUC Maximization for Hetergeneous Data with a Constant Communication Complexity | The University of Iowa | ICML | 2021 год | [PUB] [PDF] [CODE] [VIDEO] |
| Bias-Variance Reduced Local SGD for Less Heterogeneous Federated Learning | The University of Tokyo | ICML | 2021 год | [PUB] [PDF] [VIDEO] |
| Federated Learning of User Verification Models Without Sharing Embeddings | Квалкомм | ICML | 2021 год | [PUB] [PDF] [VIDEO] |
| Clustered Sampling: Low-Variance and Improved Representativity for Clients Selection in Federated Learning | Аксенчер | ICML | 2021 год | [PUB] [PDF] [CODE] [VIDEO] |
| Ditto: Fair and Robust Federated Learning Through Personalization | CMU; Facebook AI | ICML | 2021 год | [PUB] [PDF] [CODE] [VIDEO] |
| Heterogeneity for the Win: One-Shot Federated Clustering | КМУ | ICML | 2021 год | [PUB] [PDF] [VIDEO] |
| The Distributed Discrete Gaussian Mechanism for Federated Learning with Secure Aggregation | ICML | 2021 год | [PUB] [PDF] [CODE] [VIDEO] | |
| Debiasing Model Updates for Improving Personalized Federated Training | BU; Рука | ICML | 2021 год | [PUB] [CODE] [VIDEO] |
| One for One, or All for All: Equilibria and Optimality of Collaboration in Federated Learning | Тойота; Berkeley; Cornell University | ICML | 2021 год | [PUB] [PDF] [CODE] [VIDEO] |
| CRFL: Certifiably Robust Federated Learning against Backdoor Attacks | UIUC; ИБМ | ICML | 2021 год | [PUB] [PDF] [CODE] [VIDEO] |
| Federated Learning under Arbitrary Communication Patterns | Indiana University; Амазонка | ICML | 2021 год | [PUB] [VIDEO] |
| CANITA: Faster Rates for Distributed Convex Optimization with Communication Compression | КМУ | NeurIPS | 2021 год | [PUB] [PDF] |
| Boosting with Multiple Sources | NeurIPS | 2021 год | [ПАБ] | |
| DRIVE: One-bit Distributed Mean Estimation | VMware | NeurIPS | 2021 год | [PUB] [CODE] |
| Gradient Driven Rewards to Guarantee Fairness in Collaborative Machine Learning | NUS | NeurIPS | 2021 год | [PUB] [CODE] |
| Gradient Inversion with Generative Image Prior | POSTECH | NeurIPS | 2021 год | [PUB] [PDF] [CODE] |
| Distributed Machine Learning with Sparse Heterogeneous Data | Оксфордский университет | NeurIPS | 2021 год | [PUB] [PDF] |
| Renyi Differential Privacy of The Subsampled Shuffle Model In Distributed Learning | UCLA | NeurIPS | 2021 год | [PUB] [PDF] |
| Sageflow: Robust Federated Learning against Both Stragglers and Adversaries | KAIST | NeurIPS | 2021 год | [ПАБ] |
| CAFE: Catastrophic Data Leakage in Vertical Federated Learning | Rensselaer Polytechnic Institute; IBM Research | NeurIPS | 2021 год | [PUB] [CODE] |
| Fault-Tolerant Federated Reinforcement Learning with Theoretical Guarantee | NUS | NeurIPS | 2021 год | [PUB] [PDF] [CODE] |
| Optimality and Stability in Federated Learning: A Game-theoretic Approach | Cornell University | NeurIPS | 2021 год | [PUB] [PDF] [CODE] |
| QuPeD: Quantized Personalization via Distillation with Applications to Federated Learning | UCLA | NeurIPS | 2021 год | [PUB] [PDF] [CODE] [解读] |
| The Skellam Mechanism for Differentially Private Federated Learning | Google Research; КМУ | NeurIPS | 2021 год | [PUB] [PDF] [CODE] |
| No Fear of Heterogeneity: Classifier Calibration for Federated Learning with Non-IID Data | NUS; Хуавей | NeurIPS | 2021 год | [PUB] [PDF] |
| STEM: A Stochastic Two-Sided Momentum Algorithm Achieving Near-Optimal Sample and Communication Complexities for Federated Learning | УМН | NeurIPS | 2021 год | [PUB] [PDF] |
| Subgraph Federated Learning with Missing Neighbor Generation | Emory; UBC; Lehigh University | NeurIPS | 2021 год | [PUB] [PDF] [CODE] [解读] |
| Evaluating Gradient Inversion Attacks and Defenses in Federated Learning | Принстон | NeurIPS | 2021 год | [PUB] [PDF] [CODE] |
| Personalized Federated Learning With Gaussian Processes | Университет Бар-Илан | NeurIPS | 2021 год | [PUB] [PDF] [CODE] |
| Differentially Private Federated Bayesian Optimization with Distributed Exploration | MIT; NUS | NeurIPS | 2021 год | [PUB] [PDF] [CODE] |
| Parameterized Knowledge Transfer for Personalized Federated Learning | PolyU | NeurIPS | 2021 год | [PUB] [PDF] [CODE] |
| Federated Reconstruction: Partially Local Federated Learning | Google Research | NeurIPS | 2021 год | [PUB] [PDF] [CODE] [UC.] |
| Fast Federated Learning in the Presence of Arbitrary Device Unavailability | THU; Princeton; Массачусетский технологический институт | NeurIPS | 2021 год | [PUB] [PDF] [CODE] |
| FL-WBC: Enhancing Robustness against Model Poisoning Attacks in Federated Learning from a Client Perspective | Duke University; Accenture Labs | NeurIPS | 2021 год | [PUB] [PDF] [CODE] |
| FjORD: Fair and Accurate Federated Learning under heterogeneous targets with Ordered Dropout | KAUST; Samsung AI Center | NeurIPS | 2021 год | [PUB] [PDF] |
| Linear Convergence in Federated Learning: Tackling Client Heterogeneity and Sparse Gradients | Пенсильванский университет | NeurIPS | 2021 год | [PUB] [PDF] [VIDEO] |
| Federated Multi-Task Learning under a Mixture of Distributions | INRIA; Accenture Labs | NeurIPS | 2021 год | [PUB] [PDF] [CODE] |
| Federated Graph Classification over Non-IID Graphs | Эмори | NeurIPS | 2021 год | [PUB] [PDF] [CODE] [解读] |
| Federated Hyperparameter Tuning: Challenges, Baselines, and Connections to Weight-Sharing | CMU; Хьюлетт Паккард Энтерпрайз | NeurIPS | 2021 год | [PUB] [PDF] [CODE] |
| On Large-Cohort Training for Federated Learning | Google; КМУ | NeurIPS | 2021 год | [PUB] [PDF] [CODE] |
| DeepReduce: A Sparse-tensor Communication Framework for Federated Deep Learning | KAUST; Columbia University; University of Central Florida | NeurIPS | 2021 год | [PUB] [PDF] [CODE] |
| PartialFed: Cross-Domain Personalized Federated Learning via Partial Initialization | Хуавей | NeurIPS | 2021 год | [PUB] [VIDEO] |
| Federated Split Task-Agnostic Vision Transformer for COVID-19 CXR Diagnosis | KAIST | NeurIPS | 2021 год | [PUB] [PDF] |
| Addressing Algorithmic Disparity and Performance Inconsistency in Federated Learning | THU; Alibaba; Weill Cornell Medicine | NeurIPS | 2021 год | [PUB] [PDF] [CODE] |
| Federated Linear Contextual Bandits | The Pennsylvania State University; Фейсбук; University of Virginia | NeurIPS | 2021 год | [PUB] [PDF] [CODE] |
| Few-Round Learning for Federated Learning | KAIST | NeurIPS | 2021 год | [ПАБ] |
| Breaking the centralized barrier for cross-device federated learning | EPFL; Google Research | NeurIPS | 2021 год | [PUB] [CODE] [VIDEO] |
| Federated-EM with heterogeneity mitigation and variance reduction | Ecole Polytechnique; Google Research | NeurIPS | 2021 год | [PUB] [PDF] |
| Delayed Gradient Averaging: Tolerate the Communication Latency for Federated Learning | MIT; Amazon; Google | NeurIPS | 2021 год | [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 год | [PUB] [PDF] [CODE] |
| Federated Adversarial Domain Adaptation | BU; Columbia University; Rutgers University | ICLR | 2020 год | [PUB] [PDF] [CODE] |
| DBA: Distributed Backdoor Attacks against Federated Learning | ZJU; IBM Research | ICLR | 2020 год | [PUB] [CODE] |
| Fair Resource Allocation in Federated Learning | CMU; Facebook AI | ICLR | 2020 год | [PUB] [PDF] [CODE] |
| Federated Learning with Matched Averaging | University of Wisconsin-Madison; IBM Research | ICLR | 2020 год | [PUB] [PDF] [CODE] |
| Differentially Private Meta-Learning | КМУ | ICLR | 2020 год | [PUB] [PDF] |
| Generative Models for Effective ML on Private, Decentralized Datasets | ICLR | 2020 год | [PUB] [PDF] [CODE] | |
| On the Convergence of FedAvg on Non-IID Data | ФКУ | ICLR | 2020 год | [PUB] [PDF] [CODE] [解读] |
| FedBoost: A Communication-Efficient Algorithm for Federated Learning | ICML | 2020 год | [PUB] [VIDEO] | |
| FetchSGD: Communication-Efficient Federated Learning with Sketching | UC Berkeley; Johns Hopkins University; Амазонка | ICML | 2020 год | [PUB] [PDF] [VIDEO] [CODE] |
| SCAFFOLD: Stochastic Controlled Averaging for Federated Learning | EPFL; Google | ICML | 2020 год | [PUB] [PDF] [VIDEO] [UC.] [解读] |
| Federated Learning with Only Positive Labels | ICML | 2020 год | [PUB] [PDF] [VIDEO] | |
| From Local SGD to Local Fixed-Point Methods for Federated Learning | Moscow Institute of Physics and Technology; KAUST | ICML | 2020 год | [PUB] [PDF] [SLIDE] [VIDEO] |
| Acceleration for Compressed Gradient Descent in Distributed and Federated Optimization | KAUST | ICML | 2020 год | [PUB] [PDF] [SLIDE] [VIDEO] |
| Differentially-Private Federated Linear Bandits | Массачусетский технологический институт | NeurIPS | 2020 год | [PUB] [PDF] [CODE] |
| Federated Principal Component Analysis | University of Cambridge; Quine Technologies | NeurIPS | 2020 год | [PUB] [PDF] [CODE] |
| FedSplit: an algorithmic framework for fast federated optimization | UC Berkeley | NeurIPS | 2020 год | [PUB] [PDF] |
| Federated Bayesian Optimization via Thompson Sampling | NUS; Массачусетский технологический институт | NeurIPS | 2020 год | [PUB] [PDF] [CODE] |
| Lower Bounds and Optimal Algorithms for Personalized Federated Learning | KAUST | NeurIPS | 2020 год | [PUB] [PDF] |
| Robust Federated Learning: The Case of Affine Distribution Shifts | UC Santa Barbara; Массачусетский технологический институт | NeurIPS | 2020 год | [PUB] [PDF] [CODE] |
| An Efficient Framework for Clustered Federated Learning | UC Berkeley; DeepMind | NeurIPS | 2020 год | [PUB] [PDF] [CODE] |
| Distributionally Robust Federated Averaging | Pennsylvania State University | NeurIPS | 2020 год | [PUB] [PDF] [CODE] |
| Personalized Federated Learning with Moreau Envelopes | The University of Sydney | NeurIPS | 2020 год | [PUB] [PDF] [CODE] |
| Personalized Federated Learning with Theoretical Guarantees: A Model-Agnostic Meta-Learning Approach | MIT; UT Austin | NeurIPS | 2020 год | [PUB] [PDF] [UC.] |
| Group Knowledge Transfer: Federated Learning of Large CNNs at the Edge | ОСК | NeurIPS | 2020 год | [PUB] [PDF] [CODE] [解读] |
| Tackling the Objective Inconsistency Problem in Heterogeneous Federated Optimization | CMU; Принстон | NeurIPS | 2020 год | [PUB] [PDF] [CODE] [UC.] |
| Attack of the Tails: Yes, You Really Can Backdoor Federated Learning | University of Wisconsin-Madison | NeurIPS | 2020 год | [PUB] [PDF] |
| Federated Accelerated Stochastic Gradient Descent | Стэнфорд | NeurIPS | 2020 год | [PUB] [PDF] [CODE] [VIDEO] |
| Inverting Gradients - How easy is it to break privacy in federated learning? | University of Siegen | NeurIPS | 2020 год | [PUB] [PDF] [CODE] |
| Ensemble Distillation for Robust Model Fusion in Federated Learning | ЭПФЛ | NeurIPS | 2020 год | [PUB] [PDF] [CODE] |
| Throughput-Optimal Topology Design for Cross-Silo Federated Learning | INRIA | NeurIPS | 2020 год | [PUB] [PDF] [CODE] |
| Bayesian Nonparametric Federated Learning of Neural Networks | ИБМ | ICML | 2019 год | [PUB] [PDF] [CODE] |
| Analyzing Federated Learning through an Adversarial Lens | Princeton; ИБМ | ICML | 2019 год | [PUB] [PDF] [CODE] |
| Agnostic Federated Learning | ICML | 2019 год | [PUB] [PDF] | |
| cpSGD: Communication-efficient and differentially-private distributed SGD | Princeton; Google | NeurIPS | 2018 год | [PUB] [PDF] |
| Federated Multi-Task Learning | Stanford; USC; КМУ | NeurIPS | 2017 год | [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).
| Заголовок | Принадлежность | Место проведения | Год | Материалы |
|---|---|---|---|---|
| FedKDD: International Joint Workshop on Federated Learning for Data Mining and Graph Analytics | KDD Workshop | 2024 год | [ПАБ] | |
| Is Aggregation the Only Choice? Federated Learning via Layer-wise Model Recombination | KDD | 2024 год | [ПАБ] | |
| BadSampler: Harnessing the Power of Catastrophic Forgetting to Poison Byzantine-robust Federated Learning | KDD | 2024 год | [ПАБ] | |
| Federated Graph Learning with Structure Proxy Alignment | KDD | 2024 год | [ПАБ] | |
| HiFGL: A Hierarchical Framework for Cross-silo Cross-device Federated Graph Learning | KDD | 2024 год | [ПАБ] | |
| FedSecurity: A Benchmark for Attacks and Defenses in Federated Learning and Federated LLMs | KDD | 2024 год | [ПАБ] | |
| Distributed Harmonization: Federated Clustered Batch Effect Adjustment and Generalization | KDD | 2024 год | [ПАБ] | |
| FederatedScope-LLM: A Comprehensive Package for Fine-tuning Large Language Models in Federated Learning | KDD | 2024 год | [ПАБ] | |
| On the Convergence of Zeroth-Order Federated Tuning for Large Language Models | KDD | 2024 год | [ПАБ] | |
| CASA: Clustered Federated Learning with Asynchronous Clients | KDD | 2024 год | [ПАБ] | |
| FLAIM: AIM-based Synthetic Data Generation in the Federated Setting | KDD | 2024 год | [ПАБ] | |
| Privacy-Preserving Federated Learning using Flower Framework | KDD | 2024 год | [ПАБ] | |
| FedSAC: Dynamic Submodel Allocation for Collaborative Fairness in Federated Learning | KDD | 2024 год | [ПАБ] | |
| FedNLR: Federated Learning with Neuron-wise Learning Rates | KDD | 2024 год | [ПАБ] | |
| FedBiOT: LLM Local Fine-tuning in Federated Learning without Full Model | KDD | 2024 год | [ПАБ] | |
| FLea: Addressing Data Scarcity and Label Skew in Federated Learning via Privacy-preserving Feature Augmentation | KDD | 2024 год | [ПАБ] | |
| Preventing Strategic Behaviors in Collaborative Inference for Vertical Federated Learning | KDD | 2024 год | [ПАБ] | |
| PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection | KDD | 2024 год | [ПАБ] | |
| FedRoLA: Robust Federated Learning Against Model Poisoning via Layer-based Aggregation | KDD | 2024 год | [ПАБ] | |
| FedGTP: Exploiting Inter-Client Spatial Dependency in Federated Graph-based Traffic Prediction | KDD | 2024 год | [ПАБ] | |
| OpenFedLLM: Training Large Language Models on Decentralized Private Data via Federated Learning | KDD | 2024 год | [ПАБ] | |
| Personalized Federated Continual Learning via Multi-Granularity Prompt | KDD | 2024 год | [ПАБ] | |
| Enabling Collaborative Test-Time Adaptation in Dynamic Environment via Federated Learning | KDD | 2024 год | [ПАБ] | |
| GPFedRec: Graph-Guided Personalization for Federated Recommendation | KDD | 2024 год | [ПАБ] | |
| Asynchronous Vertical Federated Learning for Kernelized AUC Maximization | KDD | 2024 год | [ПАБ] | |
| VertiMRF: Differentially Private Vertical Federated Data Synthesis | KDD | 2024 год | [ПАБ] | |
| User Consented Federated Recommender System Against Personalized Attribute Inference Attack | HKUST | WSDM | 2024 год | [PUB] [PDF] [CODE] |
| Guardian: Guarding against Gradient Leakage with Provable Defense for Federated Learning | ECNU | WSDM | 2024 год | [ПАБ] |
| Privacy Matters: Vertical Federated Linear Contextual Bandits for Privacy Protected Recommendation | Кембриджский университет | KDD | 2023 год | [PUB] [PDF] |
| FedDefender: Client-Side Attack-Tolerant Federated Learning | KAIST | KDD | 2023 год | [PUB] [PDF] [CODE] |
| FedAPEN: Personalized Cross-silo Federated Learning with Adaptability to Statistical Heterogeneity | ZJU | KDD | 2023 год | [PUB] [CODE] |
| FedPseudo: Privacy-Preserving Pseudo Value-Based Deep Learning Models for Federated Survival Analysis | UMBC | KDD | 2023 год | [PUB] [PDF] |
| ShapleyFL: Robust Federated Learning Based on Shapley Value | ZJU | KDD | 2023 год | [PUB] [CODE] |
| Federated Few-shot Learning | University of Virginia | KDD | 2023 год | [PUB] [PDF] [CODE] |
| Theoretical Convergence Guaranteed Resource-Adaptive Federated Learning with Mixed Heterogeneity | СДУ | KDD | 2023 год | [ПАБ] |
| Personalized Federated Learning with Parameter Propagation | UIUC | KDD | 2023 год | [ПАБ] |
| Serverless Federated AUPRC Optimization for Multi-Party Collaborative Imbalanced Data Mining | Университет Питтсбурга | KDD | 2023 год | [PUB] [PDF] [CODE] |
| CriticalFL: A Critical Learning Periods Augmented Client Selection Framework for Efficient Federated Learning | SUNY-Binghamton University | KDD | 2023 год | [PUB] [PDF] |
| FLAMES2Graph: An Interpretable Federated Multivariate Time Series Classification Framework | L3S Research Center | KDD | 2023 год | [PUB] [PDF] |
| FedCP: Separating Feature Information for Personalized Federated Learning via Conditional Policy | SJTU | KDD | 2023 год | [PUB] [PDF] [CODE] |
| Navigating Alignment for Non-identical Client Class Sets: A Label Name-Anchored Federated Learning Framework | UCSD | KDD | 2023 год | [PUB] [PDF] [CODE] |
| DM-PFL: Hitchhiking Generic Federated Learning for Efficient Shift-Robust Personalization | BUAA | KDD | 2023 год | [PUB] [CODE] |
| FS-REAL: Towards Real-World Cross-Device Federated Learning | Группа Алибаба | KDD | 2023 год | [PUB] [PDF] |
| FedMultimodal: A Benchmark for Multimodal Federated Learning | ОСК | KDD | 2023 год | [PUB] [PDF] [CODE] |
| PrivateRec: Differentially Private Model Training and Online Serving for Federated News Recommendation | ККО | KDD | 2023 год | [PUB] [PDF] [NEWS] |
| Revisiting Personalized Federated Learning: Robustness Against Backdoor Attacks | HKUST; Группа Алибаба | KDD | 2023 год | [PUB] [PDF] [CODE] |
| UA-FedRec: Untargeted Attack on Federated News Recommendation | USTC | KDD | 2023 год | [PUB] [PDF] [CODE] |
| International Workshop on Federated Learning for Distributed Data Mining | MSU | KDD Workshop Summaries | 2023 год | [PUB] [PAGE] |
| Is Normalization Indispensable for Multi-domain Federated Learning? | KDD workshop | 2023 год | [ПАБ] | |
| Distributed Personalized Empirical Risk Minimization. | KDD workshop | 2023 год | [ПАБ] | |
| Once-for-All Federated Learning: Learning From and Deploying to Heterogeneous Clients. | KDD workshop | 2023 год | [ПАБ] | |
| SparseVFL: Communication-Efficient Vertical Federated Learning Based on Sparsification of Embeddings and Gradients. | KDD workshop | 2023 год | [ПАБ] | |
| Optimization of User Resources in Federated Learning for Urban Sensing Applications | KDD workshop | 2023 год | [ПАБ] | |
| FedLEGO: Enabling Heterogenous Model Cooperation via Brick Reassembly in Federated Learning. | KDD workshop | 2023 год | [ПАБ] | |
| Federated Graph Analytics with Differential Privacy. | KDD workshop | 2023 год | [ПАБ] | |
| Scaling Distributed Multi-task Reinforcement Learning with Experience Sharing. | KDD workshop | 2023 год | [ПАБ] | |
| Uncertainty Quantification in Federated Learning for Heterogeneous Health Data | KDD workshop | 2023 год | [ПАБ] | |
| A Systematic Evaluation of Federated Learning on Biomedical Natural Language Processing. | KDD workshop | 2023 год | [ПАБ] | |
| Taming Heterogeneity to Deal with Test-Time Shift in Federated Learning. | KDD workshop | 2023 год | [ПАБ] | |
| Federated Blood Supply Chain Demand Forecasting: A Case Study. | KDD workshop | 2023 год | [ПАБ] | |
| Stochastic Clustered Federated Learning. | KDD workshop | 2023 год | [ПАБ] | |
| A Privacy-Preserving Hybrid Federated Learning Framework for Financial Crime Detection. | KDD workshop | 2023 год | [ПАБ] | |
| Exploring the Efficacy of Data-Decoupled Federated Learning for Image Classification and Medical Imaging Analysis. | KDD workshop | 2023 год | [ПАБ] | |
| FedNoisy: A Federated Noisy Label Learning Benchmark | KDD workshop | 2023 год | [ПАБ] | |
| Asynchronous Decentralized Federated Lifelong Learning for Landmark Localization in Medical Imaging | KDD workshop | 2023 год | [ПАБ] | |
| Federated learning for competing risk analysis in healthcare. | KDD workshop | 2023 год | [ПАБ] | |
| Federated Threat Detection for Smart Home IoT rules. | KDD workshop | 2023 год | [ПАБ] | |
| Federated Unlearning for On-Device Recommendation | UQ | WSDM | 2023 год | [PUB] [PDF] |
| Collaboration Equilibrium in Federated Learning | ЧТ | KDD | 2022 год | [PUB] [PDF] [CODE] |
| Connected Low-Loss Subspace Learning for a Personalization in Federated Learning | Ulsan National Institute of Science and Technology | KDD | 2022 год | [PUB] [PDF] [CODE] |
| FedMSplit: Correlation-Adaptive Federated Multi-Task Learning across Multimodal Split Networks | University of Virginia | KDD | 2022 год | [ПАБ] |
| Communication-Efficient Robust Federated Learning with Noisy Labels | Университет Питтсбурга | KDD | 2022 год | [PUB] [PDF] |
| FLDetector: Detecting Malicious Clients in Federated Learning via Checking Model-Updates Consistency | USTC | KDD | 2022 год | [PUB] [PDF] [CODE] |
| Practical Lossless Federated Singular Vector Decomposition Over Billion-Scale Data | HKUST | KDD | 2022 год | [PUB] [PDF] [CODE] |
| FedWalk: Communication Efficient Federated Unsupervised Node Embedding with Differential Privacy | SJTU | KDD | 2022 год | [PUB] [PDF] |
| FederatedScope-GNN: Towards a Unified, Comprehensive and Efficient Platform for Federated Graph Learning | Алибаба | KDD (Best Paper Award) | 2022 год | [PUB] [PDF] [CODE] |
| Fed-LTD: Towards Cross-Platform Ride Hailing via Federated Learning to Dispatch | BUAA | KDD | 2022 год | [PUB] [PDF] [解读] |
| Felicitas: Federated Learning in Distributed Cross Device Collaborative Frameworks | USTC | KDD | 2022 год | [PUB] [PDF] |
| No One Left Behind: Inclusive Federated Learning over Heterogeneous Devices | Renmin University of China | KDD | 2022 год | [PUB] [PDF] |
| FedAttack: Effective and Covert Poisoning Attack on Federated Recommendation via Hard Sampling | ЧТ | KDD | 2022 год | [PUB] [PDF] [CODE] |
| PipAttack: Poisoning Federated Recommender Systems for Manipulating Item Promotion | The University of Queensland | WSDM | 2022 год | [PUB] [PDF] |
| Fed2: Feature-Aligned Federated Learning | George Mason University; Microsoft; University of Maryland | KDD | 2021 год | [PUB] [PDF] |
| FedRS: Federated Learning with Restricted Softmax for Label Distribution Non-IID Data | Нанкинский университет | KDD | 2021 год | [PUB] [CODE] |
| Federated Adversarial Debiasing for Fair and Trasnferable Representations | Michigan State University | KDD | 2021 год | [PUB] [PAGE] [CODE] [SLIDE] |
| Cross-Node Federated Graph Neural Network for Spatio-Temporal Data Modeling | ОСК | KDD | 2021 год | [PUB] [CODE] [解读] |
| AsySQN: Faster Vertical Federated Learning Algorithms with Better Computation Resource Utilization | Xidian University;JD Tech | KDD | 2021 год | [PUB] [PDF] |
| FLOP: Federated Learning on Medical Datasets using Partial Networks | Duke University | KDD | 2021 год | [PUB] [PDF] [CODE] |
| A Practical Federated Learning Framework for Small Number of Stakeholders | ETH Zürich | WSDM | 2021 год | [PUB] [CODE] |
| Federated Deep Knowledge Tracing | USTC | WSDM | 2021 год | [PUB] [CODE] |
| FedFast: Going Beyond Average for Faster Training of Federated Recommender Systems | University College Dublin | KDD | 2020 год | [PUB] [VIDEO] |
| Federated Doubly Stochastic Kernel Learning for Vertically Partitioned Data | JD Tech | KDD | 2020 год | [PUB] [PDF] [VIDEO] |
| Federated Online Learning to Rank with Evolution Strategies | Facebook AI Research | WSDM | 2019 год | [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).
| Заголовок | Принадлежность | Место проведения | Год | Материалы |
|---|---|---|---|---|
| Byzantine-Robust Decentralized Federated Learning | CCS | 2024 год | [ПАБ] | |
| Not One Less: Exploring Interplay between User Profiles and Items in Untargeted Attacks against Federated Recommendation | CCS | 2024 год | [ПАБ] | |
| Cross-silo Federated Learning with Record-level Personalized Differential Privacy. | CCS | 2024 год | [ПАБ] | |
| Samplable Anonymous Aggregation for Private Federated Data Analysis | CCS | 2024 год | [ПАБ] | |
| Camel: Communication-Efficient and Maliciously Secure Federated Learning in the Shuffle Model of Differential Privacy | CCS | 2024 год | [ПАБ] | |
| Distributed Backdoor Attacks on Federated Graph Learning and Certified Defenses | CCS | 2024 год | [ПАБ] | |
| Two-Tier Data Packing in RLWE-based Homomorphic Encryption for Secure Federated Learning. | CCS | 2024 год | [ПАБ] | |
| Poster: Protection against Source Inference Attacks in Federated Learning using Unary Encoding and Shuffling. | CCS | 2024 год | [ПАБ] | |
| Poster: End-to-End Privacy-Preserving Vertical Federated Learning using Private Cross-Organizational Data Collaboration. | CCS | 2024 год | [ПАБ] | |
| FP-Fed: Privacy-Preserving Federated Detection of Browser Fingerprinting | NDSS | 2024 год | [ПАБ] | |
| FreqFed: A Frequency Analysis-Based Approach for Mitigating Poisoning Attacks in Federated Learning | NDSS | 2024 год | [ПАБ] | |
| Automatic Adversarial Adaption for Stealthy Poisoning Attacks in Federated Learning | NDSS | 2024 год | [ПАБ] | |
| CrowdGuard: Federated Backdoor Detection in Federated Learning | NDSS | 2024 год | [ПАБ] | |
| Protecting Label Distribution in Cross-Silo Federated Learning | S&P | 2024 год | [ПАБ] | |
| FLShield: A Validation Based Federated Learning Framework to Defend Against Poisoning Attacks | S&P | 2024 год | [ПАБ] | |
| BadVFL: Backdoor Attacks in Vertical Federated Learning | S&P | 2024 год | [ПАБ] | |
| SHERPA: Explainable Robust Algorithms for Privacy-Preserved Federated Learning in Future Networks to Defend Against Data Poisoning Attacks | S&P | 2024 год | [ПАБ] | |
| Loki: Large-scale Data Reconstruction Attack against Federated Learning through Model Manipulation | S&P | 2024 год | [ПАБ] | |
| Poster: Towards Privacy-Preserving Federated Recommendation via Synthetic Interactions. | S&P Workshop | 2024 год | [ПАБ] | |
| A Performance Analysis for Confidential Federated Learning. | S&P Workshop | 2024 год | [ПАБ] | |
| Turning Privacy-preserving Mechanisms against Federated Learning | Университет Павии | CCS | 2023 год | [PUB] [PDF] |
| MESAS: Poisoning Defense for Federated Learning Resilient against Adaptive Attackers | University of Würzburg | CCS | 2023 год | [ПАБ] |
| martFL: Enabling Utility-Driven Data Marketplace with a Robust and Verifiable Federated Learning Architecture | ЧТ | CCS | 2023 год | [PUB] [PDF] [CODE] |
| Unraveling the Connections between Privacy and Certified Robustness in Federated Learning Against Poisoning Attacks | UIUC | CCS | 2023 год | [PUB] [PDF] |
| Poster: Verifiable Data Valuation with Strong Fairness in Horizontal Federated Learning | NSYSU | CCS | 2023 год | [ПАБ] |
| Poster: Bridging Trust Gaps: Data Usage Transparency in Federated Data Ecosystems | RWTH Aachen University | CCS | 2023 год | [ПАБ] |
| Every Vote Counts: Ranking-Based Training of Federated Learning to Resist Poisoning Attacks | University of Massachusetts Amherst | USENIX Security | 2023 год | [PUB] [PDF] |
| PrivateFL: Accurate, Differentially Private Federated Learning via Personalized Data Transformation | JHU | USENIX Security | 2023 год | [PUB] [CODE] |
| Gradient Obfuscation Gives a False Sense of Security in Federated Learning | NCSU | USENIX Security | 2023 год | [PUB] [PDF] [CODE] |
| FedVal: Different good or different bad in federated learning | AI Sweden | USENIX Security | 2023 год | [PUB] [PDF] [CODE] |
| Securing Federated Sensitive Topic Classification against Poisoning Attacks | IMDEA Networks Institute | NDSS | 2023 год | [PUB] [PDF] [CODE] |
| PPA: Preference Profiling Attack Against Federated Learning | NJUST | NDSS | 2023 год | [PUB] [PDF] |
| Turning Privacy-preserving Mechanisms against Federated Learning | University of Pavia; TU Delft; University of Padua; Radboud University | CCS | 2023 год | [PUB] [PDF] [CODE] |
| CERBERUS: Exploring Federated Prediction of Security Events | UCL London | CCS | 2022 год | [PUB] [PDF] |
| EIFFeL: Ensuring Integrity for Federated Learning | UW-Madison | CCS | 2022 год | [PUB] [PDF] |
| Eluding Secure Aggregation in Federated Learning via Model Inconsistency | SPRING Lab; ЭПФЛ | CCS | 2022 год | [PUB] [PDF] [CODE] |
| Federated Boosted Decision Trees with Differential Privacy | University of Warwick | CCS | 2022 год | [PUB] [PDF] [CODE] |
| FedRecover: Recovering from Poisoning Attacks in Federated Learning using Historical Information | Duke University | S&P | 2023 год | [PUB] [PDF] |
| Scalable and Privacy-Preserving Federated Principal Component Analysis | EPFL; Tune Insight SA | S&P | 2023 год | [PUB] [PDF] |
| SafeFL: MPC-friendly Framework for Private and Robust Federated Learning | TU Darmstadt | S&P Workshop | 2023 год | [ПАБ] |
| On the Pitfalls of Security Evaluation of Robust Federated Learning. | umass | S&P Workshop | 2023 год | [ПАБ] |
| BayBFed: Bayesian Backdoor Defense for Federated Learning | TU Darmstadt; UTSA | S&P | 2023 год | [PUB] [PDF] |
| 3DFed: Adaptive and Extensible Framework for Covert Backdoor Attack in Federated Learning | PolyU | S&P | 2023 год | [PUB] [CODE] |
| RoFL: Robustness of Secure Federated Learning. | ETH Цюрих | S&P | 2023 год | [PUB] [PDF] [CODE] |
| Flamingo: Multi-Round Single-Server Secure Aggregation with Applications to Private Federated Learning. | upenn | S&P | 2023 год | [PUB] [CODE] |
| ELSA: Secure Aggregation for Federated Learning with Malicious Actors. | S&P | 2023 год | ||
| Private, Efficient, and Accurate: Protecting Models Trained by Multi-party Learning with Differential Privacy | Fudan University | S&P | 2023 год | [PUB] [PDF] |
| Back to the Drawing Board: A Critical Evaluation of Poisoning Attacks on Production Federated Learning | University of Massachusetts | S&P | 2022 год | [PUB] [VIDEO] |
| SIMC: ML Inference Secure Against Malicious Clients at Semi-Honest Cost | Microsoft Исследования | USENIX Security | 2022 год | [PUB] [PDF] [CODE] [VIDEO] [SUPP] |
| Efficient Differentially Private Secure Aggregation for Federated Learning via Hardness of Learning with Errors | University of Vermont | USENIX Security | 2022 год | [PUB] [SLIDE] [VIDEO] |
| Label Inference Attacks Against Vertical Federated Learning | ZJU | USENIX Security | 2022 год | [PUB] [SLIDE] [CODE] [VIDEO] |
| FLAME: Taming Backdoors in Federated Learning | Technical University of Darmstadt | USENIX Security | 2022 год | [PUB] [SLIDE] [PDF] [VIDEO] |
| Local and Central Differential Privacy for Robustness and Privacy in Federated Learning | University at Buffalo, SUNY | NDSS | 2022 год | [PUB] [PDF] [VIDEO] [UC.] |
| Interpretable Federated Transformer Log Learning for Cloud Threat Forensics | University of the Incarnate Word | NDSS | 2022 год | [PUB] [VIDEO] [UC.] |
| FedCRI: Federated Mobile Cyber-Risk Intelligence | Technical University of Darmstadt | NDSS | 2022 год | [PUB] [VIDEO] |
| DeepSight: Mitigating Backdoor Attacks in Federated Learning Through Deep Model Inspection | Technical University of Darmstadt | NDSS | 2022 год | [PUB] [PDF] [VIDEO] |
| Private Hierarchical Clustering in Federated Networks | NUS | CCS | 2021 год | [PUB] [PDF] |
| FLTrust: Byzantine-robust Federated Learning via Trust Bootstrapping | Duke University | NDSS | 2021 год | [PUB] [PDF] [CODE] [VIDEO] [SLIDE] |
| POSEIDON: Privacy-Preserving Federated Neural Network Learning | ЭПФЛ | NDSS | 2021 год | [PUB] [VIDEO] |
| Manipulating the Byzantine: Optimizing Model Poisoning Attacks and Defenses for Federated Learning | University of Massachusetts Amherst | NDSS | 2021 год | [PUB] [CODE] [VIDEO] |
| SAFELearn: Secure Aggregation for private FEderated Learning | TU Darmstadt | S&P Workshop | 2021 год | [ПАБ] |
| Local Model Poisoning Attacks to Byzantine-Robust Federated Learning | The Ohio State University | USENIX Security | 2020 год | [PUB] [PDF] [CODE] [VIDEO] [SLIDE] |
| A Reliable and Accountable Privacy-Preserving Federated Learning Framework using the Blockchain | Университет Канзаса | CCS (Poster) | 2019 год | [ПАБ] |
| IOTFLA : A Secured and Privacy-Preserving Smart Home Architecture Implementing Federated Learning | Université du Québéc á Montréal | S&P Workshop | 2019 год | [ПАБ] |
| 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 год | [PUB] [VIDEO] [SLIDE] [CODE] |
| Practical Secure Aggregation for Privacy Preserving Machine Learning | CCS | 2017 год | [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).
| Заголовок | Принадлежность | Место проведения | Год | Материалы |
|---|---|---|---|---|
| DualFed: Enjoying both Generalization and Personalization in Federated Learning via Hierachical Representations | ММ | 2024 год | [ПАБ] | |
| One-shot-but-not-degraded Federated Learning | ММ | 2024 год | [ПАБ] | |
| Overcoming Spatial-Temporal Catastrophic Forgetting for Federated Class-Incremental Learning | ММ | 2024 год | [ПАБ] | |
| FedDEO: Description-Enhanced One-Shot Federated Learning with Diffusion Models | ММ | 2024 год | [ПАБ] | |
| Decoupling General and Personalized Knowledge in Federated Learning via Additive and Low-rank Decomposition | ММ | 2024 год | [ПАБ] | |
| CoAst: Validation-Free Contribution Assessment for Federated Learning based on Cross-Round Valuation | ММ | 2024 год | [ПАБ] | |
| Spatio-temporal Heterogeneous Federated Learning for Time Series Classification with Multi-view Orthogonal Training | ММ | 2024 год | [ПАБ] | |
| FedEvalFair: A Privacy-Preserving and Statistically Grounded Federated Fairness Evaluation Framework | ММ | 2024 год | [ПАБ] | |
| One-Shot Sequential Federated Learning for Non-IID Data by Enhancing Local Model Diversity | ММ | 2024 год | [ПАБ] | |
| FedSLS: Exploring Federated Aggregation in Saliency Latent Space | ММ | 2024 год | [ПАБ] | |
| Cluster-driven Personalized Federated Recommendation with Interest-aware Graph Convolution Network for Multimedia | ММ | 2024 год | [ПАБ] | |
| FedBCGD: Communication-Efficient Accelerated Block Coordinate Gradient Descent for Federated Learning | ММ | 2024 год | [ПАБ] | |
| Federated Morozov Regularization for Shortcut Learning in Privacy Preserving Learning with Watermarked Image Data | ММ | 2024 год | [ПАБ] | |
| Cross-Modal Meta Consensus for Heterogeneous Federated Learning | ММ | 2024 год | [ПАБ] | |
| Masked Random Noise for Communication-Efficient Federated Learning | ММ | 2024 год | [ПАБ] | |
| Heterogeneity-Aware Federated Deep Multi-View Clustering towards Diverse Feature Representations | ММ | 2024 год | [ПАБ] | |
| Adaptive Hierarchical Aggregation for Federated Object Detection | ММ | 2024 год | [ПАБ] | |
| FedCAFE: Federated Cross-Modal Hashing with Adaptive Feature Enhancement | ММ | 2024 год | [ПАБ] | |
| Federated Fuzzy C-means with Schatten-p Norm Minimization | ММ | 2024 год | [ПАБ] | |
| Towards Effective Federated Graph Anomaly Detection via Self-boosted Knowledge Distillation | ММ | 2024 год | [ПАБ] | |
| Physics-Driven Spectrum-Consistent Federated Learning for Palmprint Verification | IJCV | 2024 год | [ПАБ] | |
| FedHide: Federated Learning by Hiding in the Neighbors | ECCV | 2024 год | [ПАБ] | |
| FedVAD: Enhancing Federated Video Anomaly Detection with GPT-Driven Semantic Distillation | ECCV | 2024 год | [ПАБ] | |
| FedRA: A Random Allocation Strategy for Federated Tuning to Unleash the Power of Heterogeneous Clients | ECCV | 2024 год | [ПАБ] | |
| Pick-a-Back: Selective Device-to-Device Knowledge Transfer in Federated Continual Learning | ECCV | 2024 год | [ПАБ] | |
| Federated Learning with Local Openset Noisy Labels | ECCV | 2024 год | [ПАБ] | |
| FedTSA: A Cluster-Based Two-Stage Aggregation Method for Model-Heterogeneous Federated Learning. | ECCV | 2024 год | [ПАБ] | |
| Overcome Modal Bias in Multi-modal Federated Learning via Balanced Modality Selection | ECCV | 2024 год | [ПАБ] | |
| BAFFLE: A Baseline of Backpropagation-Free Federated Learning | ECCV | 2024 год | [ПАБ] | |
| PILoRA: Prototype Guided Incremental LoRA for Federated Class-Incremental Learning | ECCV | 2024 год | [ПАБ] | |
| Fisher Calibration for Backdoor-Robust Heterogeneous Federated Learning | ECCV | 2024 год | [ПАБ] | |
| Unlocking the Potential of Federated Learning: The Symphony of Dataset Distillation via Deep Generative Latents | ECCV | 2024 год | [ПАБ] | |
| FedHARM: Harmonizing Model Architectural Diversity in Federated Learning | ECCV | 2024 год | [ПАБ] | |
| SuperFedNAS: Cost-Efficient Federated Neural Architecture Search for On-device Inference. | ECCV | 2024 год | [ПАБ] | |
| Personalized Federated Domain-Incremental Learning Based on Adaptive Knowledge Matching. | ECCV | 2024 год | [ПАБ] | |
| Diffusion-Driven Data Replay: A Novel Approach to Combat Forgetting in Federated Class Continual Learning | ECCV | 2024 год | [ПАБ] | |
| Towards Multi-modal Transformers in Federated Learning | ECCV | 2024 год | [ПАБ] | |
| Local and Global Flatness for Federated Domain Generalization | ECCV | 2024 год | [ПАБ] | |
| Feature Diversification and Adaptation for Federated Domain Generalization | ECCV | 2024 год | [ПАБ] | |
| PFEDEDIT: Personalized Federated Learning via Automated Model Editing | ECCV | 2024 год | [ПАБ] | |
| FedHCA2: Towards Hetero-Client Federated Multi-Task Learning | SJTU | CVPR | 2024 год | [PUB] [SUPP] [PDF] [CODE] |
| Fair Federated Learning under Domain Skew with Local Consistency and Domain Diversity | WHU | CVPR | 2024 год | [PUB] [PDF] [CODE] |
| Think Twice Before Selection: Federated Evidential Active Learning for Medical Image Analysis with Domain Shifts | NWPU; HKUST | CVPR | 2024 год | [PUB] [SUPP] [PDF] [CODE] |
| FedMef: Towards Memory-efficient Federated Dynamic Pruning | КУХК | CVPR | 2024 год | [PUB] [SUPP] [PDF] |
| Communication-Efficient Federated Learning with Accelerated Client Gradient | СНУ | CVPR | 2024 год | [PUB] [SUPP] [PDF] [CODE] |
| Revamping Federated Learning Security from a Defender's Perspective: A Unified Defense with Homomorphic Encrypted Data Space | IITH | CVPR | 2024 год | [PUB] [SUPP] [CODE] |
| Adaptive Hyper-graph Aggregation for Modality-Agnostic Federated Learning | TJUT | CVPR | 2024 год | [PUB] [SUPP] [CODE] |
| Towards Efficient Replay in Federated Incremental Learning | HUST | CVPR | 2024 год | [PUB] [SUPP] [PDF] |
| Mixed-Precision Quantization for Federated Learning on Resource-Constrained Heterogeneous Devices | ЮТ | CVPR | 2024 год | [PUB] [SUPP] [PDF] |
| Data Valuation and Detections in Federated Learning | NUS | CVPR | 2024 год | [PUB] [SUPP] [PDF] [CODE] |
| Decentralized Directed Collaboration for Personalized Federated Learning | NJUST | CVPR | 2024 год | [PUB] [SUPP] [PDF] |
| Unlocking the Potential of Prompt-Tuning in Bridging Generalized and Personalized Federated Learning | ЮБК | CVPR | 2024 год | [PUB] [SUPP] [PDF] [CODE] |
| Global and Local Prompts Cooperation via Optimal Transport for Federated Learning | ShanghaiTech University | CVPR | 2024 год | [PUB] [SUPP] [PDF] [CODE] |
| Rethinking the Representation in Federated Unsupervised Learning with Non-IID Data | ZJU | CVPR | 2024 год | [PUB] [SUPP] [PDF] [CODE] |
| Relaxed Contrastive Learning for Federated Learning | СНУ | CVPR | 2024 год | [PUB] [SUPP] [PDF] [CODE] |
| Leak and Learn: An Attacker's Cookbook to Train Using Leaked Data from Federated Learning | Purdue University | CVPR | 2024 год | [PUB] [SUPP] [PDF] [VIDEO] |
| Traceable Federated Continual Learning | BUPT | CVPR | 2024 год | [PUB] [SUPP] [CODE] |
| Federated Online Adaptation for Deep Stereo | University of Bologna | CVPR | 2024 год | [PUB] [SUPP] [PDF] [CODE] [PAGE] [VIDEO] |
| Federated Generalized Category Discovery | UniTn | CVPR | 2024 год | [PUB] [SUPP] [PDF] [CODE] |
| Efficiently Assemble Normalization Layers and Regularization for Federated Domain Generalization | без даты | CVPR | 2024 год | [PUB] [SUPP] [PDF] [CODE] |
| Text-Enhanced Data-free Approach for Federated Class-Incremental Learning | Monash University | CVPR | 2024 год | [PUB] [SUPP] [PDF] [CODE] |
| PerAda: Parameter-Efficient Federated Learning Personalization with Generalization Guarantees | UIUC; NVIDIA | CVPR | 2024 год | [PUB] [SUPP] [PDF] [CODE] |
| FedSOL: Stabilized Orthogonal Learning with Proximal Restrictions in Federated Learning | KAIST | CVPR | 2024 год | [PUB] [SUPP] [PDF] [CODE] |
| FedUV: Uniformity and Variance for Heterogeneous Federated Learning | Калифорнийский университет в Дэвисе | CVPR | 2024 год | [PUB] [SUPP] [PDF] |
| FedAS: Bridging Inconsistency in Personalized Federated Learning | WHU | CVPR | 2024 год | [PUB] [CODE] |
| FedSelect: Personalized Federated Learning with Customized Selection of Parameters for Fine-Tuning | Lapis Labs | CVPR | 2024 год | [PUB] [SUPP] [PDF] [CODE] |
| Device-Wise Federated Network Pruning | PITT | CVPR | 2024 год | [PUB] [SUPP] |
| Byzantine-robust Decentralized Federated Learning via Dual-domain Clustering and Trust Bootstrapping | HNU; PolyU; ЭИРС | CVPR | 2024 год | [PUB] [SUPP] |
| DiPrompT: Disentangled Prompt Tuning for Multiple Latent Domain Generalization in Federated Learning | HKUST; PolyU | CVPR | 2024 год | [PUB] [SUPP] [PDF] |
| An Upload-Efficient Scheme for Transferring Knowledge From a Server-Side Pre-trained Generator to Clients in Heterogeneous Federated Learning | SJTU | CVPR | 2024 год | [PUB] [SUPP] [PDF] [CODE] [POSTER] [SLIDES] |
| An Aggregation-Free Federated Learning for Tackling Data Heterogeneity | A* STAR | CVPR | 2024 год | [PUB] [SUPP] [PDF] |
| FLHetBench: Benchmarking Device and State Heterogeneity in Federated Learning | BUAA; HKU | CVPR | 2024 год | [PUB] [SUPP] [CODE] [PAGE] [POSTER] [VIDEO] |
| Collaborative Visual Place Recognition through Federated Learning | CVPR workshop | 2024 год | [PUB] [SUPP] [PDF] | |
| FedProK: Trustworthy Federated Class-Incremental Learning via Prototypical Feature Knowledge Transfer | CVPR workshop | 2024 год | [PUB] [SUPP] [PDF] | |
| Federated Hyperparameter Optimization Through Reward-Based Strategies: Challenges and Insights | CVPR workshop | 2024 год | [ПАБ] | |
| On the Efficiency of Privacy Attacks in Federated Learning | CVPR workshop | 2024 год | [PUB] [PDF] | |
| FedCE: Personalized Federated Learning Method based on Clustering Ensembles | BJTU | ММ | 2023 год | [ПАБ] |
| FedVQA: Personalized Federated Visual Question Answering over Heterogeneous Scenes | Лейденский университет | ММ | 2023 год | [ПАБ] |
| Towards Fast and Stable Federated Learning: Confronting Heterogeneity via Knowledge Anchor | XJTU | ММ | 2023 год | [PUB] [PDF] [CODE] |
| Federated Deep Multi-View Clustering with Global Self-Supervision | UESTC | ММ | 2023 год | [PUB] [PDF] |
| FedAA: Using Non-sensitive Modalities to Improve Federated Learning while Preserving Image Privacy | ZJU | ММ | 2023 год | [ПАБ] |
| Prototype-guided Knowledge Transfer for Federated Unsupervised Cross-modal Hashing | SDNU | ММ | 2023 год | [PUB] [CODE] |
| Joint Local Relational Augmentation and Global Nash Equilibrium for Federated Learning with Non-IID Data | ZJU | ММ | 2023 год | [PUB] [PDF] |
| FedCD: A Classifier Debiased Federated Learning Framework for Non-IID Data | BUPT | ММ | 2023 год | [ПАБ] |
| Federated Learning with Label-Masking Distillation | UCAS | ММ | 2023 год | [PUB] [CODE] |
| Cross-Silo Prototypical Calibration for Federated Learning with Non-IID Data | СДУ | ММ | 2023 год | [PUB] [PDF] [CODE] |
| A Four-Pronged Defense Against Byzantine Attacks in Federated Learning | HUST | ММ | 2023 год | [PUB] [PDF] |
| Client-Adaptive Cross-Model Reconstruction Network for Modality-Incomplete Multimodal Federated Learning | CAS; Peng Cheng Laboratory; UCAS | ММ | 2023 год | [ПАБ] |
| FedGH: Heterogeneous Federated Learning with Generalized Global Header | NKU | ММ | 2023 год | [PUB] [PDF] [CODE] |
| Cuing Without Sharing: A Federated Cued Speech Recognition Framework via Mutual Knowledge Distillation | КУХК | ММ | 2023 год | [PUB] [PDF] [CODE] |
| AffectFAL: Federated Active Affective Computing with Non-IID Data | TJUT | ММ | 2023 год | [PUB] [CODE] |
| Improving Federated Person Re-Identification through Feature-Aware Proximity and Aggregation | SZU | ММ | 2023 год | [ПАБ] |
| Towards Attack-tolerant Federated Learning via Critical Parameter Analysis | KAIST | ICCV | 2023 год | [PUB] [PDF] [CODE] [SUPP] |
| Efficient Model Personalization in Federated Learning via Client-Specific Prompt Generation | NTU; NVIDIA | ICCV | 2023 год | [PUB] [PDF] [SUPP] |
| Generative Gradient Inversion via Over-Parameterized Networks in Federated Learning | A*STAR | ICCV | 2023 год | [PUB] [CODE] [SUPP] |
| GPFL: Simultaneously Learning Global and Personalized Feature Information for Personalized Federated Learning | SJTU | ICCV | 2023 год | [PUB] [PDF] [CODE] [SUPP] |
| Workie-Talkie: Accelerating Federated Learning by Overlapping Computing and Communications via Contrastive Regularization | University of Houston | ICCV | 2023 год | [PUB] [SUPP] |
| PGFed: Personalize Each Client's Global Objective for Federated Learning | Университет Питтсбурга | ICCV | 2023 год | [PUB] [PDF] [CODE] [SUPP] |
| FedPerfix: Towards Partial Model Personalization of Vision Transformers in Federated Learning | UCF | ICCV | 2023 год | [PUB] [PDF] [CODE] [SUPP] |
| L-DAWA: Layer-wise Divergence Aware Weight Aggregation in Federated Self-Supervised Visual Representation Learning | TCL AI Lab | ICCV | 2023 год | [PUB] [PDF] [SUPP] |
| FedPD: Federated Open Set Recognition with Parameter Disentanglement | City University of Hong Kong | ICCV | 2023 год | [PUB] [CODE] |
| TARGET: Federated Class-Continual Learning via Exemplar-Free Distillation | ETH Zurich; Sony AI | ICCV | 2023 год | [PUB] [PDF] [CODE] |
| Towards Instance-adaptive Inference for Federated Learning | A*STAR | ICCV | 2023 год | [PUB] [PDF] [CODE] |
| Communication-efficient Federated Learning with Single-Step Synthetic Features Compressor for Faster Convergence | SCU; Engineering Research Center of Machine Learning and Industry Intelligence | ICCV | 2023 год | [PUB] [PDF] [CODE] |
| zPROBE: Zero Peek Robustness Checks for Federated Learning | Purdue University | ICCV | 2023 год | [PUB] [PDF] [SUPP] |
| ProtoFL: Unsupervised Federated Learning via Prototypical Distillation | KakaoBank Corp. | ICCV | 2023 год | [PUB] [PDF] |
| MAS: Towards Resource-Efficient Federated Multiple-Task Learning | Sony AI | ICCV | 2023 год | [PUB] [PDF] [CODE] [SUPP] |
| FSAR: Federated Skeleton-based Action Recognition with Adaptive Topology Structure and Knowledge Distillation | ФКУ | ICCV | 2023 год | [PUB] [PDF] [SUPP] |
| When Do Curricula Work in Federated Learning? | UCSD | ICCV | 2023 год | [PUB] [PDF] [SUPP] |
| Communication-Efficient Vertical Federated Learning with Limited Overlapping Samples | Duke University | ICCV | 2023 год | [PUB] [PDF] [CODE] |
| Multi-Metrics Adaptively Identifies Backdoors in Federated Learning | SCUT | ICCV | 2023 год | [PUB] [PDF] [CODE] [SUPP] |
| No Fear of Classifier Biases: Neural Collapse Inspired Federated Learning with Synthetic and Fixed Classifier | ZJU | ICCV | 2023 год | [PUB] [PDF] [CODE] [SUPP] |
| FRAug: Tackling Federated Learning with Non-IID Features via Representation Augmentation | Ludwig Maximilian University of Munich; Siemens Technology | ICCV | 2023 год | [PUB] [PDF] [SUPP] |
| Bold but Cautious: Unlocking the Potential of Personalized Federated Learning through Cautiously Aggressive Collaboration | BUAA | ICCV | 2023 год | [PUB] [PDF] [CODE] [SUPP] |
| Global Balanced Experts for Federated Long-Tailed Learning | CUHK-Shenzhen | ICCV | 2023 год | [PUB] [CODE] [SUPP] |
| Knowledge-Aware Federated Active Learning with Non-IID Data | The University of Sydney | ICCV | 2023 год | [PUB] [PDF] [CODE] [SUPP] |
| Enhancing Privacy Preservation in Federated Learning via Learning Rate Perturbation | BUPT | ICCV | 2023 год | [PUB] [SUPP] |
| Local or Global: Selective Knowledge Assimilation for Federated Learning with Limited Labels | КМУ | ICCV | 2023 год | [PUB] [PDF] [SUPP] |
| Federated Learning Over Images: Vertical Decompositions and Pre-Trained Backbones Are Difficult to Beat | Rice University | ICCV | 2023 год | [PUB] [PDF] [CODE] [SUPP] |
| Robust Heterogeneous Federated Learning under Data Corruption | WHU | ICCV | 2023 год | [PUB] [CODE] [SUPP] |
| Personalized Semantics Excitation for Federated Image Classification | Tulane University | ICCV | 2023 год | [PUB] [CODE] |
| Reducing Training Time in Cross-Silo Federated Learning Using Multigraph Topology | АИОЗ | ICCV | 2023 год | [PUB] [PDF] [CODE] [SUPP] |
| Window-based Model Averaging Improves Generalization in Heterogeneous Federated Learning. | Politecnico di Torino | ICCV workshop | 2023 год | [PUB] [PDF] |
| Experience Replay as an Effective Strategy for Optimizing Decentralized Federated Learning. | University of Catania | ICCV workshop | 2023 год | [ПАБ] |
| FedRCIL: Federated Knowledge Distillation for Representation based Contrastive Incremental Learning. | Centre for Research and Technology Hellas; University of West Attica | ICCV workshop | 2023 год | [PUB] [CODE] |
| FedLID: Self-Supervised Federated Learning for Leveraging Limited Image Data. | Centre for Research and Technology Hellas; University of West Attica | ICCV workshop | 2023 год | [ПАБ] |
| Rethinking Federated Learning With Domain Shift: A Prototype View | WHU | CVPR | 2023 год | [PUB] [CODE] |
| Class Balanced Adaptive Pseudo Labeling for Federated Semi-Supervised Learning | ECNU | CVPR | 2023 год | [PUB] [CODE] |
| DaFKD: Domain-Aware Federated Knowledge Distillation | HUST | CVPR | 2023 год | [PUB] [CODE] |
| The Resource Problem of Using Linear Layer Leakage Attack in Federated Learning | Purdue University | CVPR | 2023 год | [PUB] [PDF] |
| FedSeg: Class-Heterogeneous Federated Learning for Semantic Segmentation | ZJU | CVPR | 2023 год | [ПАБ] |
| On the Effectiveness of Partial Variance Reduction in Federated Learning With Heterogeneous Data | ДТУ | CVPR | 2023 год | [PUB] [PDF] |
| Elastic Aggregation for Federated Optimization | Мейтуан | CVPR | 2023 год | [ПАБ] |
| FedDM: Iterative Distribution Matching for Communication-Efficient Federated Learning | UCLA | CVPR | 2023 год | [PUB] [PDF] |
| Adaptive Channel Sparsity for Federated Learning Under System Heterogeneity | УМ | CVPR | 2023 год | [ПАБ] |
| ScaleFL: Resource-Adaptive Federated Learning With Heterogeneous Clients | GaTech | CVPR | 2023 год | [PUB] [CODE] |
| Reliable and Interpretable Personalized Federated Learning | ТЮ | CVPR | 2023 год | [ПАБ] |
| Federated Domain Generalization With Generalization Adjustment | SJTU | CVPR | 2023 год | [PUB] [CODE] |
| Make Landscape Flatter in Differentially Private Federated Learning | ЧТ | CVPR | 2023 год | [PUB] [PDF] [CODE] |
| Confidence-Aware Personalized Federated Learning via Variational Expectation Maximization | КУ Левен | CVPR | 2023 год | [PUB] [PDF] [CODE] |
| STDLens: Model Hijacking-Resilient Federated Learning for Object Detection | GaTech | CVPR | 2023 год | [PUB] [PDF] [CODE] |
| Re-Thinking Federated Active Learning Based on Inter-Class Diversity | KAIST | CVPR | 2023 год | [PUB] [PDF] [CODE] |
| Learning Federated Visual Prompt in Null Space for MRI Reconstruction | A*STAR | CVPR | 2023 год | [PUB] [PDF] [CODE] |
| Fair Federated Medical Image Segmentation via Client Contribution Estimation | КУХК | CVPR | 2023 год | [PUB] [PDF] [CODE] |
| Federated Learning With Data-Agnostic Distribution Fusion | НЮУ | CVPR | 2023 год | [PUB] [CODE] |
| How To Prevent the Poor Performance Clients for Personalized Federated Learning? | ХГУ | CVPR | 2023 год | [ПАБ] |
| GradMA: A Gradient-Memory-Based Accelerated Federated Learning With Alleviated Catastrophic Forgetting | ECNU | CVPR | 2023 год | [PUB] [PDF] [CODE] |
| Bias-Eliminating Augmentation Learning for Debiased Federated Learning | NTU | CVPR | 2023 год | [ПАБ] |
| Federated Incremental Semantic Segmentation | CAS; UCAS | CVPR | 2023 год | [PUB] [PDF] [CODE] |
| Asynchronous Federated Continual Learning | University of Padova | CVPR workshop | 2023 год | [PUB] [PDF] [SILDES] [CODE] |
| Mixed Quantization Enabled Federated Learning To Tackle Gradient Inversion Attacks | UMBC | CVPR workshop | 2023 год | [PUB] [CODE] |
| OpenFed: A Comprehensive and Versatile Open-Source Federated Learning Framework | Мейтуан | CVPR workshop | 2023 год | [PUB] [PDF] [CODE] |
| Federated Learning in Non-IID Settings Aided by Differentially Private Synthetic Data | utexas | CVPR workshop | 2023 год | [PUB] [SUPP] [PDF] [CODE] |
| TimelyFL: Heterogeneity-Aware Asynchronous Federated Learning With Adaptive Partial Training | ОСК | CVPR workshop | 2023 год | [PUB] [PDF] |
| Many-Task Federated Learning: A New Problem Setting and a Simple Baseline | utexas | CVPR workshop | 2023 год | [PUB] [CODE] |
| Confederated Learning: Going Beyond Centralization | CAS; UCAS | ММ | 2022 год | [ПАБ] |
| Few-Shot Model Agnostic Federated Learning | WHU | ММ | 2022 год | [PUB] [CODE] |
| Feeling Without Sharing: A Federated Video Emotion Recognition Framework Via Privacy-Agnostic Hybrid Aggregation | TJUT | ММ | 2022 год | [ПАБ] |
| FedLTN: Federated Learning for Sparse and Personalized Lottery Ticket Networks | ECCV | 2022 год | [PUB] [SUPP] | |
| Auto-FedRL: Federated Hyperparameter Optimization for Multi-Institutional Medical Image Segmentation | ECCV | 2022 год | [PUB] [SUPP] [PDF] [CODE] | |
| Improving Generalization in Federated Learning by Seeking Flat Minima | Politecnico di Torino | ECCV | 2022 год | [PUB] [SUPP] [PDF] [CODE] |
| AdaBest: Minimizing Client Drift in Federated Learning via Adaptive Bias Estimation | ECCV | 2022 год | [PUB] [SUPP] [PDF] [CODE] [PAGE] | |
| SphereFed: Hyperspherical Federated Learning | ECCV | 2022 год | [PUB] [SUPP] [PDF] | |
| Federated Self-Supervised Learning for Video Understanding | ECCV | 2022 год | [PUB] [PDF] [CODE] | |
| FedVLN: Privacy-Preserving Federated Vision-and-Language Navigation | ECCV | 2022 год | [PUB] [SUPP] [PDF] [CODE] | |
| Addressing Heterogeneity in Federated Learning via Distributional Transformation | ECCV | 2022 год | [PUB] [CODE] | |
| FedX: Unsupervised Federated Learning with Cross Knowledge Distillation | KAIST | ECCV | 2022 год | [PUB] [SUPP] [PDF] [CODE] |
| Personalizing Federated Medical Image Segmentation via Local Calibration | Xiamen University | ECCV | 2022 год | [PUB] [SUPP] [PDF] [CODE] |
| ATPFL: Automatic Trajectory Prediction Model Design Under Federated Learning Framework | УДАРЯТЬ | CVPR | 2022 год | [ПАБ] |
| Rethinking Architecture Design for Tackling Data Heterogeneity in Federated Learning | Стэнфорд | CVPR | 2022 год | [PUB] [SUPP] [PDF] [CODE] [VIDEO] |
| FedCorr: Multi-Stage Federated Learning for Label Noise Correction | Singapore University of Technology and Design | CVPR | 2022 год | [PUB] [SUPP] [PDF] [CODE] [VIDEO] |
| FedCor: Correlation-Based Active Client Selection Strategy for Heterogeneous Federated Learning | Duke University | CVPR | 2022 год | [PUB] [SUPP] [PDF] |
| Layer-Wised Model Aggregation for Personalized Federated Learning | PolyU | CVPR | 2022 год | [PUB] [SUPP] [PDF] |
| Local Learning Matters: Rethinking Data Heterogeneity in Federated Learning | University of Central Florida | CVPR | 2022 год | [PUB] [SUPP] [PDF] [CODE] |
| Federated Learning With Position-Aware Neurons | Нанкинский университет | CVPR | 2022 год | [PUB] [SUPP] [PDF] |
| RSCFed: Random Sampling Consensus Federated Semi-Supervised Learning | HKUST | CVPR | 2022 год | [PUB] [SUPP] [PDF] [CODE] |
| Learn From Others and Be Yourself in Heterogeneous Federated Learning | Wuhan University | CVPR | 2022 год | [PUB] [CODE] [VIDEO] |
| Robust Federated Learning With Noisy and Heterogeneous Clients | Wuhan University | CVPR | 2022 год | [PUB] [SUPP] [CODE] |
| ResSFL: A Resistance Transfer Framework for Defending Model Inversion Attack in Split Federated Learning | Arizona State University | CVPR | 2022 год | [PUB] [SUPP] [PDF] [CODE] |
| FedDC: Federated Learning With Non-IID Data via Local Drift Decoupling and Correction | National University of Defense Technology | CVPR | 2022 год | [PUB] [PDF] [CODE] [解读] |
| Federated Class-Incremental Learning | CAS; Northwestern University; ОТС | CVPR | 2022 год | [PUB] [PDF] [CODE] |
| Fine-Tuning Global Model via Data-Free Knowledge Distillation for Non-IID Federated Learning | PKU; JD Explore Academy; The University of Sydney | CVPR | 2022 год | [PUB] [PDF] |
| Differentially Private Federated Learning With Local Regularization and Sparsification | КАС | CVPR | 2022 год | [PUB] [PDF] |
| Auditing Privacy Defenses in Federated Learning via Generative Gradient Leakage | University of Tennessee; Oak Ridge National Laboratory; Google Research | CVPR | 2022 год | [PUB] [PDF] [CODE] [VIDEO] |
| CD2-pFed: Cyclic Distillation-Guided Channel Decoupling for Model Personalization in Federated Learning | SJTU | CVPR | 2022 год | [PUB] [PDF] |
| Closing the Generalization Gap of Cross-Silo Federated Medical Image Segmentation | унив. of Pittsburgh; NVIDIA | CVPR | 2022 год | [PUB] [PDF] |
| Adaptive Differential Filters for Fast and Communication-Efficient Federated Learning | HHI | CVPR workshop | 2022 год | [PUB] [PDF] [SILDES] [VIDEO] |
| MPAF: Model Poisoning Attacks to Federated Learning Based on Fake Clients | Duke University | CVPR workshop | 2022 год | [PUB] [PDF] [SILDES] [VIDEO] |
| Communication-Efficient Federated Data Augmentation on Non-IID Data | UESTC | CVPR workshop | 2022 год | [ПАБ] |
| Does Federated Dropout Actually Work? | Стэнфорд | CVPR workshop | 2022 год | [PUB] [VIDEO] |
| FedIris: Towards More Accurate and Privacy-preserving Iris Recognition via Federated Template Communication | USTC; CRIPAC; CASIA | CVPR workshop | 2022 год | [PUB] [SLIDES] [VIDEO] |
| Multi-Institutional Collaborations for Improving Deep Learning-Based Magnetic Resonance Image Reconstruction Using Federated Learning | Johns Hopkins University | CVPR | 2021 год | [PUB] [PDF] [CODE] |
| Model-Contrastive Federated Learning | NUS; UC Berkeley | CVPR | 2021 год | [PUB] [PDF] [CODE] [解读] |
| FedDG: Federated Domain Generalization on Medical Image Segmentation via Episodic Learning in Continuous Frequency Space | КУХК | CVPR | 2021 год | [PUB] [PDF] [CODE] |
| Soteria: Provable Defense Against Privacy Leakage in Federated Learning From Representation Perspective | Duke University | CVPR | 2021 год | [PUB] [PDF] [CODE] |
| Federated Learning for Non-IID Data via Unified Feature Learning and Optimization Objective Alignment | ФКУ | ICCV | 2021 год | [ПАБ] |
| Ensemble Attention Distillation for Privacy-Preserving Federated Learning | University at Buffalo | ICCV | 2021 год | [PUB] [PDF] |
| Collaborative Unsupervised Visual Representation Learning from Decentralized Data | NTU; SenseTime | ICCV | 2021 год | [PUB] [PDF] |
| Joint Optimization in Edge-Cloud Continuum for Federated Unsupervised Person Re-identification | NTU | ММ | 2021 год | [PUB] [PDF] |
| Federated Visual Classification with Real-World Data Distribution | MIT; Google | ECCV | 2020 год | [PUB] [PDF] [VIDEO] |
| InvisibleFL: Federated Learning over Non-Informative Intermediate Updates against Multimedia Privacy Leakages | ММ | 2020 год | [ПАБ] | |
Performance Optimization of Federated Person Re-identification via Benchmark Analysis data. | NTU | ММ | 2020 год | [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).
| Заголовок | Принадлежность | Место проведения | Год | Материалы |
|---|---|---|---|---|
| A Hassle-free Algorithm for Strong Differential Privacy in Federated Learning Systems | EMNLP | 2024 год | [ПАБ] | |
| Safely Learning with Private Data: A Federated Learning Framework for Large Language Model | EMNLP | 2024 год | [ПАБ] | |
| FEDKIM: Adaptive Federated Knowledge Injection into Medical Foundation Models | EMNLP | 2024 год | [ПАБ] | |
| Fisher Information-based Efficient Curriculum Federated Learning with Large Language Models | EMNLP | 2024 год | [ПАБ] | |
| Heterogeneous LoRA for Federated Fine-tuning of On-Device Foundation Models | EMNLP | 2024 год | [ПАБ] | |
| Promoting Data and Model Privacy in Federated Learning through Quantized LoRA | EMNLP Findings | 2024 год | [ПАБ] | |
| Heterogeneous LoRA for Federated Fine-tuning of On-Device Foundation Models | EMNLP Findings | 2024 год | [ПАБ] | |
| Generalizable Multilingual Hate Speech Detection on Low Resource Indian Languages using Fair Selection in Federated Learning | NAACL | 2024 год | [ПАБ] | |
| Open-Vocabulary Federated Learning with Multimodal Prototyping | NAACL | 2024 год | [ПАБ] | |
| Navigation as Attackers Wish? Towards Building Robust Embodied Agents under Federated Learning | NAACL | 2024 год | [ПАБ] | |
| FedLFC: Towards Efficient Federated Multilingual Modeling with LoRA-based Language Family Clustering. | NAACL Findings | 2024 год | [ПАБ] | |
| Personalized Federated Learning for Text Classification with Gradient-Free Prompt Tuning. | NAACL Findings | 2024 год | [ПАБ] | |
| Can Public Large Language Models Help Private Cross-device Federated Learning? | NAACL Findings | 2024 год | [ПАБ] | |
| Fair Federated Learning with Biased Vision-Language Models | ACL Findings | 2024 год | [ПАБ] | |
| Federated Learning of Large Language Models with Parameter-Efficient Prompt Tuning and Adaptive Optimization | Обернский университет | EMNLP | 2023 год | [PUB] [PDF] [CODE] |
| Federated Meta-Learning for Emotion and Sentiment Aware Multi-modal Complaint Identification | IIT Patna | EMNLP | 2023 год | [PUB] [CODE] |
| FedID: Federated Interactive Distillation for Large-Scale Pretraining Language Models | YNU | EMNLP | 2023 год | [PUB] [CODE] |
| FedTherapist: Mental Health Monitoring with User-Generated Linguistic Expressions on Smartphones via Federated Learning | KAIST | EMNLP | 2023 год | [PUB] [PDF] |
| Coordinated Replay Sample Selection for Continual Federated Learning | КМУ | EMNLP industry Track | 2023 год | [PUB] [PDF] |
| Tunable Soft Prompts are Messengers in Federated Learning | SYSU | EMNLP Findings | 2023 год | [PUB] [PDF] [CODE] |
| Federated Learning for Semantic Parsing: Task Formulation, Evaluation Setup, New Algorithms | ОГУ | список управления доступом | 2023 год | [PUB] [PDF] [CODE] |
| FEDLEGAL: The First Real-World Federated Learning Benchmark for Legal NLP | УДАРЯТЬ; Peng Cheng Lab | список управления доступом | 2023 год | [PUB] [CODE] |
| Client-Customized Adaptation for Parameter-Efficient Federated Learning | ACL Findings | 2023 год | [ПАБ] | |
| Communication Efficient Federated Learning for Multilingual Neural Machine Translation with Adapter | ACL Findings | 2023 год | [PUB] [PDF] [CODE] | |
| Federated Domain Adaptation for Named Entity Recognition via Distilling with Heterogeneous Tag Sets | ACL Findings | 2023 год | [ПАБ] | |
| FedPETuning: When Federated Learning Meets the Parameter-Efficient Tuning Methods of Pre-trained Language Models | ACL Findings | 2023 год | [ПАБ] | |
| Federated Learning of Gboard Language Models with Differential Privacy | ACL Industry Track | 2023 год | [PUB] [PDF] | |
| Backdoor Attacks in Federated Learning by Rare Embeddings and Gradient Ensembling | СНУ | EMNLP | 2022 год | [PUB] [PDF] |
| A Federated Approach to Predicting Emojis in Hindi Tweets | University of Alberta | EMNLP | 2022 год | [PUB] [PDF] [CODE] |
| Federated Model Decomposition with Private Vocabulary for Text Classification | УДАРЯТЬ; Peng Cheng Lab | EMNLP | 2022 год | [PUB] [CODE] |
| Fair NLP Models with Differentially Private Text Encoders | унив. Лилль | EMNLP | 2022 год | [PUB] [PDF] [CODE] |
| Federated Continual Learning for Text Classification via Selective Inter-client Transfer | DRIMCo GmbH; LMU | EMNLP Findings | 2022 год | [PUB] [PDF] [CODE] |
Efficient Federated Learning on Knowledge Graphs via Privacy-preserving Relation Embedding Aggregation kg. | Lehigh University | EMNLP Findings | 2022 год | [PUB] [PDF] [CODE] |
| Dim-Krum: Backdoor-Resistant Federated Learning for NLP with Dimension-wise Krum-Based Aggregation | ФКУ | EMNLP Findings | 2022 год | [PUB] [PDF] |
| Scaling Language Model Size in Cross-Device Federated Learning | ACL workshop | 2022 год | [PUB] [PDF] | |
| Intrinsic Gradient Compression for Scalable and Efficient Federated Learning | Оксфорд | ACL workshop | 2022 год | [PUB] [PDF] |
| ActPerFL: Active Personalized Federated Learning | Амазонка | ACL workshop | 2022 год | [PUB] [PAGE] |
| FedNLP: Benchmarking Federated Learning Methods for Natural Language Processing Tasks | ОСК | NAACL | 2022 год | [PUB] [PDF] [CODE] |
| Federated Learning with Noisy User Feedback | USC; Амазонка | NAACL | 2022 год | [PUB] [PDF] |
| Training Mixed-Domain Translation Models via Federated Learning | Амазонка | NAACL | 2022 год | [PUB] [PAGE] [PDF] |
| Pretrained Models for Multilingual Federated Learning | Johns Hopkins University | NAACL | 2022 год | [PUB] [PDF] [CODE] |
| Federated Chinese Word Segmentation with Global Character Associations | University of Washington | ACL workshop | 2021 год | [PUB] [CODE] |
| Efficient-FedRec: Efficient Federated Learning Framework for Privacy-Preserving News Recommendation | USTC | EMNLP | 2021 год | [PUB] [PDF] [CODE] [VIDEO] |
| Improving Federated Learning for Aspect-based Sentiment Analysis via Topic Memories | CUHK (Shenzhen) | EMNLP | 2021 год | [PUB] [CODE] [VIDEO] |
| A Secure and Efficient Federated Learning Framework for NLP | University of Connecticut | EMNLP | 2021 год | [PUB] [PDF] [VIDEO] |
| Distantly Supervised Relation Extraction in Federated Settings | UCAS | EMNLP workshop | 2021 год | [PUB] [PDF] [CODE] |
| Federated Learning with Noisy User Feedback | USC; Амазонка | NAACL workshop | 2021 год | [PUB] [PDF] |
| An Investigation towards Differentially Private Sequence Tagging in a Federated Framework | Universität Hamburg | NAACL workshop | 2021 год | [ПАБ] |
| Understanding Unintended Memorization in Language Models Under Federated Learning | NAACL workshop | 2021 год | [PUB] [PDF] | |
| FedED: Federated Learning via Ensemble Distillation for Medical Relation Extraction | КАС | EMNLP | 2020 год | [PUB] [VIDEO] [解读] |
| Empirical Studies of Institutional Federated Learning For Natural Language Processing | Ping An Technology | EMNLP workshop | 2020 год | [ПАБ] |
| Federated Learning for Spoken Language Understanding | ФКУ | COLING | 2020 год | [ПАБ] |
| Two-stage Federated Phenotyping and Patient Representation Learning | Boston Children's Hospital Harvard Medical School | ACL workshop | 2019 год | [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).
| Заголовок | Принадлежность | Место проведения | Год | Материалы |
|---|---|---|---|---|
| ReFer: Retrieval-Enhanced Vertical Federated Recommendation for Full Set User Benefit | ЧТ | SIGIR | 2024 год | [ПАБ] |
| Revisit Targeted Model Poisoning on Federated Recommendation: Optimize via Multi-objective Transport | ZJU | SIGIR | 2024 год | [ПАБ] |
| FeB4RAG: Evaluating Federated Search in the Context of Retrieval Augmented Generation | UQ | SIGIR | 2024 год | [PUB] [PDF] [CODE] |
| FedUD: Exploiting Unaligned Data for Cross-Platform Federated Click-Through Rate Prediction | Группа Алибаба | SIGIR | 2024 год | [ПАБ] |
| Personalized Federated Relation Classification over Heterogeneous Texts | NUDT | SIGIR | 2023 год | [ПАБ] |
| Fine-Grained Preference-Aware Personalized Federated POI Recommendation with Data Sparsity | СДУ | SIGIR | 2023 год | [ПАБ] |
| Manipulating Federated Recommender Systems: Poisoning with Synthetic Users and Its Countermeasures | UQ | SIGIR | 2023 год | [PUB] [PDF] |
| FedAds: A Benchmark for Privacy-Preserving CVR Estimation with Vertical Federated Learning | Группа Алибаба | SIGIR | 2023 год | [PUB] [PDF] [CODE] |
| Edge-cloud Collaborative Learning with Federated and Centralized Features (short-paper) | ZJU | SIGIR | 2023 год | [PUB] [PDF] |
| FLIRT: Federated Learning for Information Retrieval (extended-abstract) | IMT Lucca | SIGIR | 2023 год | [ПАБ] |
| Is Non-IID Data a Threat in Federated Online Learning to Rank? | The University of Queensland | SIGIR | 2022 год | [PUB] [CODE] |
| FedCT: Federated Collaborative Transfer for Recommendation | Rutgers University | SIGIR | 2021 год | [PUB] [PDF] [CODE] |
| On the Privacy of Federated Pipelines | Технический университет Мюнхена | SIGIR | 2021 год | [ПАБ] |
| FedCMR: Federated Cross-Modal Retrieval. | Dalian University of Technology | SIGIR | 2021 год | [PUB] [CODE] |
| Meta Matrix Factorization for Federated Rating Predictions. | СДУ | SIGIR | 2020 год | [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).
| Заголовок | Принадлежность | Место проведения | Год | Материалы |
|---|---|---|---|---|
| FedMix: Boosting with Data Mixture for Vertical Federated Learning | ICDE | 2024 год | [ПАБ] | |
| FedCross: Towards Accurate Federated Learning via Multi-Model Cross-Aggregation | ICDE | 2024 год | [ПАБ] | |
| Clients Help Clients: Alternating Collaboration for Semi-Supervised Federated Learning | ICDE | 2024 год | [ПАБ] | |
| Semi-Asynchronous Online Federated Crowdsourcing | ICDE | 2024 год | [ПАБ] | |
| AdaFGL: A New Paradigm for Federated Node Classification with Topology Heterogeneity | ICDE | 2024 год | [ПАБ] | |
| MergeSFL: Split Federated Learning with Feature Merging and Batch Size Regulation | ICDE | 2024 год | [ПАБ] | |
| LightTR: A Lightweight Framework for Federated Trajectory Recovery | ICDE | 2024 год | [ПАБ] | |
| Feed: Towards Personalization-Effective Federated Learning | ICDE | 2024 год | [ПАБ] | |
| Label Noise Correction for Federated Learning: A Secure, Efficient and Reliable Realization | ICDE | 2024 год | [ПАБ] | |
| Fast, Robust and Interpretable Participant Contribution Estimation for Federated Learning | ICDE | 2024 год | [ПАБ] | |
| HeteFedRec: Federated Recommender Systems with Model Heterogeneity | ICDE | 2024 год | [ПАБ] | |
| Hide Your Model: A Parameter Transmission-free Federated Recommender System | ICDE | 2024 год | [ПАБ] | |
| FedCTQ: A Federated-Based Framework for Accurate and Efficient Contact Tracing Query | ICDE | 2024 год | [ПАБ] | |
| Preventing the Popular Item Embedding Based Attack in Federated Recommendations | ICDE | 2024 год | [ПАБ] | |
| RobFL: Robust Federated Learning via Feature Center Separation and Malicious Center Detection | ICDE | 2024 год | [ПАБ] | |
| Federated Fine-Tuning of LLMs on the Very Edge: The Good, the Bad, the Ugly | TUM | DEEM@SIGMOD | 2024 год | [ПАБ] |
| FedSQ: A Secure System for Federated Vector Similarity Queries | VLDB | 2024 год | [ПАБ] | |
| FedSM: A Practical Federated Shared Mobility System | VLDB | 2024 год | [ПАБ] | |
| OFL-W3: A One-Shot Federated Learning System on Web 3.0 | VLDB | 2024 год | [ПАБ] | |
| Contributions Estimation in Federated Learning: A Comprehensive Experimental Evaluation | VLDB | 2024 год | [ПАБ] | |
| OFL-W3: A One-shot Federated Learning System on Web 3.0 | VLDB | 2024 год | [ПАБ] | |
| Uldp-FL: Federated Learning with Across Silo User-Level Differential Privacy. | VLDB | 2024 год | [ПАБ] | |
| FedSM: A Practical Federated Shared Mobility System. | VLDB | 2024 год | [ПАБ] | |
| FedSQ: A Secure System for Federated Vector Similarity Queries | VLDB | 2024 год | [ПАБ] | |
| Performance-Based Pricing of Federated Learning via Auction | Группа Алибаба | VLDB | 2024 год | [PUB] [CODE] |
| A Blockchain System for Clustered Federated Learning with Peer-to-Peer Knowledge Transfer | НЮУ | VLDB | 2024 год | [PUB] [CODE] |
| Communication Efficient and Provable Federated Unlearning | SDU; KAUST | VLDB | 2024 год | [PUB] [PDF] [CODE] |
| Enhancing Decentralized Federated Learning for Non-IID Data on Heterogeneous Devices | USTC | ICDE | 2023 год | [ПАБ] |
| Dynamic Activation of Clients and Parameters for Federated Learning over Heterogeneous Graphs | Колумбийский университет | ICDE | 2023 год | [PUB] [CODE] |
| FedKNOW: Federated Continual Learning with Signature Task Knowledge Integration at Edge | КУСОЧЕК | ICDE | 2023 год | [PUB] [PDF] |
| Lumos: Heterogeneity-aware Federated Graph Learning over Decentralized Devices | SJTU | ICDE | 2023 год | [PUB] [PDF] |
| Federated IoT Interaction Vulnerability Analysis | MSU | ICDE | 2023 год | [ПАБ] |
| Distribution-Regularized Federated Learning on Non-IID Data | BUAA | ICDE | 2023 год | [ПАБ] |
| Fed-SC: One-Shot Federated Subspace Clustering over High-Dimensional Data | ShanghaiTech University | ICDE | 2023 год | [PUB] [CODE] |
| FLBooster: A Unified and Efficient Platform for Federated Learning Acceleration | ZJU | ICDE | 2023 год | [ПАБ] |
| FedGTA: Topology-aware Averaging for Federated Graph Learning. | КУСОЧЕК | VLDB | 2023 год | [PUB] [CODE] |
| FS-Real: A Real-World Cross-Device Federated Learning Platform. | Группа Алибаба | VLDB | 2023 год | [PUB] [PDF] [CODE] |
| Federated Calibration and Evaluation of Binary Classifiers. | мета | VLDB | 2023 год | [PUB] [PDF] [CODE] |
| Olive: Oblivious Federated Learning on Trusted Execution Environment Against the Risk of Sparsification. | Киотский университет | VLDB | 2023 год | [PUB] [PDF] [CODE] |
| Falcon: A Privacy-Preserving and Interpretable Vertical Federated Learning System. | NUS | VLDB | 2023 год | [PUB] [CODE] |
| Differentially Private Vertical Federated Clustering. | Purdue University | VLDB | 2023 год | [PUB] [PDF] [CODE] |
| FederatedScope: A Flexible Federated Learning Platform for Heterogeneity. | Алибаба | VLDB | 2023 год | [PUB] [PDF] [CODE] |
| Secure Shapley Value for Cross-Silo Federated Learning. | Киотский университет | VLDB | 2023 год | [PUB] [PDF] [CODE] |
| OpBoost: A Vertical Federated Tree Boosting Framework Based on Order-Preserving Desensitization | ZJU | VLDB | 2022 год | [PUB] [PDF] [CODE] |
| Skellam Mixture Mechanism: a Novel Approach to Federated Learning with Differential Privacy. | NUS | VLDB | 2022 год | [PUB] [CODE] |
| Towards Communication-efficient Vertical Federated Learning Training via Cache-enabled Local Update | ФКУ | VLDB | 2022 год | [PUB] [PDF] [CODE] |
| FedTSC: A Secure Federated Learning System for Interpretable Time Series Classification. | УДАРЯТЬ | VLDB | 2022 год | [PUB] [CODE] |
| Improving Fairness for Data Valuation in Horizontal Federated Learning | The UBC | ICDE | 2022 год | [PUB] [PDF] |
| FedADMM: A Robust Federated Deep Learning Framework with Adaptivity to System Heterogeneity | USTC | ICDE | 2022 год | [PUB] [PDF] [CODE] |
| FedMP: Federated Learning through Adaptive Model Pruning in Heterogeneous Edge Computing. | USTC | ICDE | 2022 год | [ПАБ] |
| Federated Learning on Non-IID Data Silos: An Experimental Study. | NUS | ICDE | 2022 год | [PUB] [PDF] [CODE] |
| Enhancing Federated Learning with Intelligent Model Migration in Heterogeneous Edge Computing | USTC | ICDE | 2022 год | [ПАБ] |
| Samba: A System for Secure Federated Multi-Armed Bandits | унив. Clermont Auvergne | ICDE | 2022 год | [PUB] [CODE] |
| FedRecAttack: Model Poisoning Attack to Federated Recommendation | ZJU | ICDE | 2022 год | [PUB] [PDF] [CODE] |
| Enhancing Federated Learning with In-Cloud Unlabeled Data | USTC | ICDE | 2022 год | [ПАБ] |
| Efficient Participant Contribution Evaluation for Horizontal and Vertical Federated Learning | USTC | ICDE | 2022 год | [ПАБ] |
| An Introduction to Federated Computation | University of Warwick; Фейсбук | SIGMOD Tutorial | 2022 год | [ПАБ] |
| BlindFL: Vertical Federated Machine Learning without Peeking into Your Data | PKU; Тенсент | SIGMOD | 2022 год | [PUB] [PDF] |
| An Efficient Approach for Cross-Silo Federated Learning to Rank | BUAA | ICDE | 2021 год | [PUB] [RELATED PAPER(ZH)] |
| Feature Inference Attack on Model Predictions in Vertical Federated Learning | NUS | ICDE | 2021 год | [PUB] [PDF] [CODE] |
| Efficient Federated-Learning Model Debugging | USTC | ICDE | 2021 год | [ПАБ] |
| Federated Matrix Factorization with Privacy Guarantee | Purdue | VLDB | 2021 год | [ПАБ] |
| Projected Federated Averaging with Heterogeneous Differential Privacy. | Renmin University of China | VLDB | 2021 год | [PUB] [CODE] |
| Enabling SQL-based Training Data Debugging for Federated Learning | Simon Fraser University | VLDB | 2021 год | [PUB] [PDF] [CODE] |
| Refiner: A Reliable Incentive-Driven Federated Learning System Powered by Blockchain | ZJU | VLDB | 2021 год | [ПАБ] |
| Tanium Reveal: A Federated Search Engine for Querying Unstructured File Data on Large Enterprise Networks | Tanium Inc. | VLDB | 2021 год | [PUB] [VIDEO] |
| VF2Boost: Very Fast Vertical Federated Gradient Boosting for Cross-Enterprise Learning | ФКУ | SIGMOD | 2021 год | [ПАБ] |
| ExDRa: Exploratory Data Science on Federated Raw Data | СИМЕНС | SIGMOD | 2021 год | [ПАБ] |
| Joint blockchain and federated learning-based offloading in harsh edge computing environments | ТЮ | SIGMOD workshop | 2021 год | [ПАБ] |
| Privacy Preserving Vertical Federated Learning for Tree-based Models | NUS | VLDB | 2020 год | [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).
| Заголовок | Принадлежность | Место проведения | Год | Материалы |
|---|---|---|---|---|
| Breaking Secure Aggregation: Label Leakage from Aggregated Gradients in Federated Learning | INFOCOM | 2024 год | [ПАБ] | |
| Strategic Data Revocation in Federated Unlearning | INFOCOM | 2024 год | [ПАБ] | |
| FedTC: Enabling Communication-Efficient Federated Learning via Transform Coding | INFOCOM | 2024 год | [ПАБ] | |
| Federated Learning While Providing Model as a Service: Joint Training and Inference Optimization | INFOCOM | 2024 год | [ПАБ] | |
| FairFed: Improving Fairness and Efficiency of Contribution Evaluation in Federated Learning via Cooperative Shapley Value | INFOCOM | 2024 год | [ПАБ] | |
| DPBalance: Efficient and Fair Privacy Budget Scheduling for Federated Learning as a Service | INFOCOM | 2024 год | [ПАБ] | |
| Tomtit: Hierarchical Federated Fine-Tuning of Giant Models based on Autonomous Synchronization | INFOCOM | 2024 год | [ПАБ] | |
| BR-DeFedRL: Byzantine-Robust Decentralized Federated Reinforcement Learning with Fast Convergence and Communication Efficiency | INFOCOM | 2024 год | [ПАБ] | |
| Titanic: Towards Production Federated Learning with Large Language Models | INFOCOM | 2024 год | [ПАБ] | |
| Expediting In-Network Federated Learning by Voting-Based Consensus Model Compression | INFOCOM | 2024 год | [ПАБ] | |
| Fed-CVLC: Compressing Federated Learning Communications with Variable-Length Codes | INFOCOM | 2024 год | [ПАБ] | |
| Federated Analytics-Empowered Frequent Pattern Mining for Decentralized Web 3.0 Applications | INFOCOM | 2024 год | [ПАБ] | |
| GraphProxy: Communication-Efficient Federated Graph Learning with Adaptive Proxy | INFOCOM | 2024 год | [ПАБ] | |
| Agglomerative Federated Learning: Empowering Larger Model Training via End-Edge-Cloud Collaboration | INFOCOM | 2024 год | [PUB] [CODE] | |
| AeroRec: An Efficient On-Device Recommendation Framework using Federated Self-Supervised Knowledge Distillation | INFOCOM | 2024 год | [ПАБ] | |
| Efficient and Straggler-Resistant Homomorphic Encryption for Heterogeneous Federated Learning | INFOCOM | 2024 год | [ПАБ] | |
| Heroes: Lightweight Federated Learning with Neural Composition and Adaptive Local Update in Heterogeneous Edge Networks | INFOCOM | 2024 год | [ПАБ] | |
| Momentum-Based Federated Reinforcement Learning with Interaction and Communication Efficiency | INFOCOM | 2024 год | [ПАБ] | |
| Federated Offline Policy Optimization with Dual Regularization | INFOCOM | 2024 год | [ПАБ] | |
| A Semi-Asynchronous Decentralized Federated Learning Framework via Tree-Graph Blockchain | INFOCOM | 2024 год | [ПАБ] | |
| SpreadFGL: Edge-Client Collaborative Federated Graph Learning with Adaptive Neighbor Generation | INFOCOM | 2024 год | [ПАБ] | |
| Towards Efficient Asynchronous Federated Learning in Heterogeneous Edge Environments | INFOCOM | 2024 год | [ПАБ] | |
| Federated Learning Based Integrated Sensing, Communications, and Powering Over 6G Massive-MIMO Mobile Networks | INFOCOM workshop | 2024 год | [ПАБ] | |
| Decentralized Federated Learning Under Free-riders: Credibility Analysis | INFOCOM workshop | 2024 год | [ПАБ] | |
| TrustBandit: Optimizing Client Selection for Robust Federated Learning Against Poisoning Attacks | INFOCOM workshop | 2024 год | [ПАБ] | |
| Cascade: Enhancing Reinforcement Learning with Curriculum Federated Learning and Interference Avoidance — A Case Study in Adaptive Bitrate Selection | INFOCOM workshop | 2024 год | [ПАБ] | |
| Efficient Adapting for Vision-language Foundation Model in Edge Computing Based on Personalized and Multi-Granularity Federated Learning | INFOCOM workshop | 2024 год | [ПАБ] | |
| Distributed Link Heterogeneity Exploitation for Attention-Weighted Robust Federated Learning in 6G Networks | INFOCOM workshop | 2024 год | [ПАБ] | |
| GAN-Based Privacy Abuse Attack on Federated Learning in IoT Networks | INFOCOM workshop | 2024 год | [ПАБ] | |
| Fedkit: Enabling Cross-Platform Federated Learning for Android and iOS | INFOCOM workshop | 2024 год | [PUB] [CODE] | |
| ASR-FED: Agnostic Straggler Resilient Federated Algorithm for Drone Networks Security | INFOCOM workshop | 2024 год | [ПАБ] | |
| Unbiased Federated Learning for Heterogeneous Data Under Unreliable Links | INFOCOM workshop | 2024 год | [ПАБ] | |
| Efficient Client Sampling with Compression in Heterogeneous Federated Learning | INFOCOM workshop | 2024 год | [ПАБ] | |
| Reputation-Aware Scheduling for Secure Internet of Drones: A Federated Multi-Agent Deep Reinforcement Learning Approach | INFOCOM workshop | 2024 год | [ПАБ] | |
| Two-Timescale Energy Optimization for Wireless Federated Learning | INFOCOM workshop | 2024 год | [ПАБ] | |
| A Data Reconstruction Attack Against Vertical Federated Learning Based on Knowledge Transfer | INFOCOM workshop | 2024 год | [ПАБ] | |
| Federated Learning for Energy-efficient Cooperative Perception in Connected and Autonomous Vehicles | INFOCOM workshop | 2024 год | [ПАБ] | |
| Federated Learning-Based Cooperative Model Training for Task-Oriented Semantic Communication | INFOCOM workshop | 2024 год | [ПАБ] | |
| FedBF16-Dynamic: Communication-Efficient Federated Learning with Adaptive Transmission | INFOCOM workshop | 2024 год | [ПАБ] | |
| Designing Robust 6G Networks with Bimodal Distribution for Decentralized Federated Learning | INFOCOM workshop | 2024 год | [ПАБ] | |
| Federated Distributed Deep Reinforcement Learning for Recommendation-enabled Edge Caching | INFOCOM workshop | 2024 год | [ПАБ] | |
| Joint Optimization of Charging Time and Resource Allocation in Wireless Power Transfer Assisted Federated Learning | INFOCOM workshop | 2024 год | [ПАБ] | |
| Joint Client Selection and Privacy Compensation for Differentially Private Federated Learning | INFOCOM workshop | 2024 год | [ПАБ] | |
| Wireless Hierarchical Federated Aggregation Weights Design with Loss-Based-Heterogeneity | INFOCOM workshop | 2024 год | [ПАБ] | |
| ADMarker: A Multi-Modal Federated Learning System for Monitoring Digital Biomarkers of Alzheimer's Disease | КУХК | MobiCom | 2024 год | [PUB] [PDF] [CODE] |
| Accelerating the Decentralized Federated Learning via Manipulating Edges | SZU | WWW | 2024 год | [ПАБ] |
| Prompt-enhanced Federated Content Representation Learning for Cross-domain Recommendation | SDNU | WWW | 2024 год | [PUB] [PDF] [CODE] |
| PAGE: Equilibrate Personalization and Generalization in Federated Learning | XDU | WWW | 2024 год | [PUB] [PDF] [CODE] |
| Federated Learning Vulnerabilities: Privacy Attacks with Denoising Diffusion Probabilistic Models | ECNU | WWW | 2024 год | [ПАБ] |
| Co-clustering for Federated Recommender System | UIUC | WWW | 2024 год | [ПАБ] |
| Incentive and Dynamic Client Selection for Federated Unlearning | BUPT | WWW | 2024 год | [ПАБ] |
| Towards Efficient Communication and Secure Federated Recommendation System via Low-rank Training | VinUniversity | WWW | 2024 год | [PUB] [PDF] [CODE] |
| BlockDFL: A Blockchain-based Fully Decentralized Peer-to-Peer Federated Learning Framework | ZJU | WWW | 2024 год | [PUB] [PDF] |
| Towards Personalized Privacy: User-Governed Data Contribution for Federated Recommendation | UQ | WWW | 2024 год | [PUB] [PDF] |
| FedDSE: Distribution-aware Sub-model Extraction for Federated Learning over Resource-constrained Devices | NTU | WWW | 2024 год | [ПАБ] |
| Cardinality Counting in "Alcatraz": A Privacy-aware Federated Learning Approach | CSIRO's Data61 | WWW | 2024 год | [ПАБ] |
| Federated Heterogeneous Graph Neural Network for Privacy-preserving Recommendation | BUPT | WWW | 2024 год | [PUB] [PDF] |
| Poisoning Federated Recommender Systems with Fake Users | USTC | WWW | 2024 год | [PUB] [PDF] |
| Towards Energy-efficient Federated Learning via INT8-based Training on Mobile DSPs | BUPT | WWW | 2024 год | [ПАБ] |
| Privacy-Preserving and Fairness-Aware Federated Learning for Critical Infrastructure Protection and Resilience | ОТС | WWW | 2024 год | [PUB] [CODE] |
| When Federated Recommendation Meets Cold-Start Problem: Separating Item Attributes and User Interactions | JLU | WWW | 2024 год | [PUB] [PDF] [CODE] |
| How Few Davids Improve One Goliath: Federated Learning in Resource-Skewed Edge Computing Environments | UCSD | WWW | 2024 год | [PUB] [CODE] [VIDEO] |
| Poisoning Attack on Federated Knowledge Graph Embedding | PolyU | WWW | 2024 год | [PUB] [CODE] |
| FL@FM-TheWebConf'24: International Workshop on Federated Foundation Models for the Web | КУХК | WWW (Companion Volume) | 2024 год | [PUB] [PAGE] |
| An Investigation into the Feasibility of Performing Federated Learning on Social Linked Data Servers | University of Southampton | WWW (Companion Volume) | 2024 год | [ПАБ] |
| Exploring Representational Similarity Analysis to Protect Federated Learning from Data Poisoning | SYSU | WWW (Companion Volume) | 2024 год | [ПАБ] |
| Only Send What You Need: Learning to Communicate Efficiently in Federated Multilingual Machine Translation | Purdue University | WWW (Companion Volume) | 2024 год | [PUB] [PDF] |
| FedHLT: Efficient Federated Low-Rank Adaption with Hierarchical Language Tree for Multilingual Modeling | КУХК | WWW (Companion Volume) | 2024 год | [ПАБ] |
| HBIAS FedAvg: Smooth Federated Learning Transition for In-use Edge Models | IIT | WWW (Companion Volume) | 2024 год | [ПАБ] |
| Phoenix: A Federated Generative Diffusion Model | UW | WWW (Companion Volume) | 2024 год | [ПАБ] |
| Federated Learning in Large Model Era: Vision-Language Model for Smart City Safety Operation Management | ENN; СКП | WWW (Companion Volume) | 2024 год | [ПАБ] |
| Robust Federated Learning Mitigates Client-side Training Data Distribution Inference Attacks | USTC | WWW (Companion Volume) | 2024 год | [PUB] [PDF] |
| GradFilt: Class-wise Targeted Data Reconstruction from Gradients in Federated Learning | PolyU | WWW (Companion Volume) | 2024 год | [ПАБ] |
| Detecting Poisoning Attacks on Federated Learning Using Gradient-Weighted Class Activation Mapping | ISEP | WWW (Companion Volume) | 2024 год | [ПАБ] |
| AutoFed: Heterogeneity-Aware Federated Multimodal Learning for Robust Autonomous Driving | NTU | MobiCom | 2023 год | [PUB] [PDF] |
| Efficient Federated Learning for Modern NLP | Beiyou Shenzhen Institute | MobiCom | 2023 год | [PDF] [解读] |
| FLASH: Towards a High-performance Hardware Acceleration Architecture for Cross-silo Federated Learning | HKUST; Clustar | NSDI | 2023 год | [PUB] [SLIDE] [VIDEO] |
| To Store or Not? Online Data Selection for Federated Learning with Limited Storage. | SJTU | WWW | 2023 год | [PUB] [PDF] |
| pFedPrompt: Learning Personalized Prompt for Vision-Language Models in Federated Learning. | PolyU | WWW | 2023 год | [ПАБ] |
| Quantifying and Defending against Privacy Threats on Federated Knowledge Graph Embedding. | ZJU; HIC-ZJU | WWW | 2023 год | [PUB] [PDF] |
| Vertical Federated Knowledge Transfer via Representation Distillation for Healthcare Collaboration Networks | ФКУ | WWW | 2023 год | [PUB] [PDF] [CODE] |
| Semi-decentralized Federated Ego Graph Learning for Recommendation | SUST | WWW | 2023 год | [PUB] [PDF] |
| FlexiFed: Personalized Federated Learning for Edge Clients with Heterogeneous Model Architectures. | Swinburne | WWW | 2023 год | [PUB] [CODE] |
| FedEdge: Accelerating Edge-Assisted Federated Learning. | Swinburne | WWW | 2023 год | [ПАБ] |
| Federated Node Classification over Graphs with Latent Link-type Heterogeneity. | Emory University | WWW | 2023 год | [PUB] [CODE] |
| FedACK: Federated Adversarial Contrastive Knowledge Distillation for Cross-Lingual and Cross-Model Social Bot Detection. | USTC | WWW | 2023 год | [PUB] [PDF] [CODE] |
| Interaction-level Membership Inference Attack Against Federated Recommender Systems. | UQ | WWW | 2023 год | [PUB] [PDF] |
| AgrEvader: Poisoning Membership Inference against Byzantine-robust Federated Learning. | Deakin University | WWW | 2023 год | [ПАБ] |
| Heterogeneous Federated Knowledge Graph Embedding Learning and Unlearning. | НЮУ | WWW | 2023 год | [PUB] [PDF] [CODE] |
| Federated Learning for Metaverse: A Survey. | JNU | WWW (Companion Volume) | 2023 год | [PUB] [PDF] |
| Understanding the Impact of Label Skewness and Optimization on Federated Learning for Text Classification | КУ Левен | WWW (Companion Volume) | 2023 год | [ПАБ] |
| Privacy-Preserving Online Content Moderation: A Federated Learning Use Case. | РЕЗАТЬ | WWW (Companion Volume) | 2023 год | [PUB] [PDF] |
| Privacy-Preserving Online Content Moderation with Federated Learning. | РЕЗАТЬ | WWW (Companion Volume) | 2023 год | [ПАБ] |
| A Federated Learning Benchmark for Drug-Target Interaction. | Туринский университет | WWW (Companion Volume) | 2023 год | [PUB] [PDF] [CODE] |
| Towards a Decentralized Data Hub and Query System for Federated Dynamic Data Spaces. | TU Berlin | WWW (Companion Volume) | 2023 год | [ПАБ] |
| 1st Workshop on Federated Learning Technologies1st Workshop on Federated Learning Technologies | Туринский университет | WWW (Companion Volume) | 2023 год | [ПАБ] |
| A Survey of Trustworthy Federated Learning with Perspectives on Security, Robustness and Privacy | КУХК | WWW (Companion Volume) | 2023 год | [PUB] [PDF] |
| A Hierarchical Knowledge Transfer Framework for Heterogeneous Federated Learning | ЧТ | INFOCOM | 2023 год | [ПАБ] |
| A Reinforcement Learning Approach for Minimizing Job Completion Time in Clustered Federated Learning | Юго-Восточный университет | INFOCOM | 2023 год | [ПАБ] |
| Adaptive Configuration for Heterogeneous Participants in Decentralized Federated Learning | USTC | INFOCOM | 2023 год | [PUB] [PDF] |
| AnycostFL: Efficient On-Demand Federated Learning over Heterogeneous Edge Devices | Guangdong University of Technology | INFOCOM | 2023 год | [PUB] [PDF] |
| AOCC-FL: Federated Learning with Aligned Overlapping via Calibrated Compensation | HUST | INFOCOM | 2023 год | [ПАБ] |
| Asynchronous Federated Unlearning | University of Toronto | INFOCOM | 2023 год | [PUB] [PDF] [CODE] |
| Communication-Efficient Federated Learning for Heterogeneous Edge Devices Based on Adaptive Gradient Quantization | PSU | INFOCOM | 2023 год | [PUB] [PDF] |
| Enabling Communication-Efficient Federated Learning via Distributed Compressed Sensing | Beihang University | INFOCOM | 2023 год | [ПАБ] |
| Federated Learning under Heterogeneous and Correlated Client Availability | Inria | INFOCOM | 2023 год | [PUB] [PDF] [CODE] |
| Federated Learning with Flexible Control | ИБМ | INFOCOM | 2023 год | [PUB] [PDF] [CODE] |
| Federated PCA on Grassmann Manifold for Anomaly Detection in IoT Networks | The University of Sydney | INFOCOM | 2023 год | [PUB] [PDF] |
| FedMoS: Taming Client Drift in Federated Learning with Double Momentum and Adaptive Selection | HUST | INFOCOM | 2023 год | [PUB] [PDF] [CODE] |
| FedSDG-FS: Efficient and Secure Feature Selection for Vertical Federated Learning | NTU | INFOCOM | 2023 год | [PUB] [PDF] |
| Heterogeneity-Aware Federated Learning with Adaptive Client Selection and Gradient Compression | USTC | INFOCOM | 2023 год | |
| Joint Edge Aggregation and Association for Cost-Efficient Multi-Cell Federated Learning | NUDT | INFOCOM | 2023 год | [ПАБ] |
| Joint Participation Incentive and Network Pricing Design for Federated Learning | Northwestern University | INFOCOM | 2023 год | [ПАБ] |
| More than Enough is Too Much: Adaptive Defenses against Gradient Leakage in Production Federated Learning | University of Toronto | INFOCOM | 2023 год | [PUB] [PDF] [WEIBO] |
| Network Adaptive Federated Learning: Congestion and Lossy Compression | UTAustin | INFOCOM | 2023 год | [PUB] [PDF] |
| OBLIVION: Poisoning Federated Learning by Inducing Catastrophic Forgetting | The Hang Seng University of Hong Kong | INFOCOM | 2023 год | [PUB] [CODE] |
| Privacy as a Resource in Differentially Private Federated Learning | BUPT | INFOCOM | 2023 год | [ПАБ] |
| SplitGP: Achieving Both Generalization and Personalization in Federated Learning | KAIST | INFOCOM | 2023 год | [PUB] [PDF] |
| SVDFed: Enabling Communication-Efficient Federated Learning via Singular-Value-Decomposition | Beihang University | INFOCOM | 2023 год | [ПАБ] |
| Tackling System Induced Bias in Federated Learning: Stratification and Convergence Analysis | Южный университет науки и технологий | INFOCOM | 2023 год | [PUB] [PDF] |
| Toward Sustainable AI: Federated Learning Demand Response in Cloud-Edge Systems via Auctions | BUPT | INFOCOM | 2023 год | [PUB] [PDF] |
| Truthful Incentive Mechanism for Federated Learning with Crowdsourced Data Labeling | Обернский университет | INFOCOM | 2023 год | [PUB] [PDF] |
| TVFL: Tunable Vertical Federated Learning towards Communication-Efficient Model Serving | USTC | INFOCOM | 2023 год | [ПАБ] |
| PyramidFL: Fine-grained Data and System Heterogeneity-aware Client Selection for Efficient Federated Learning | MSU | MobiCom | 2022 год | [PUB] [PDF] [CODE] |
| NestFL: efficient federated learning through progressive model pruning in heterogeneous edge computing | pmlabs | MobiCom(Poster) | 2022 год | [ПАБ] |
| Federated learning-based air quality prediction for smart cities using BGRU model | IITM | MobiCom(Poster) | 2022 год | [ПАБ] |
| FedHD: federated learning with hyperdimensional computing | UCSD | MobiCom(Demo) | 2022 год | [PUB] [CODE] |
| Joint Superposition Coding and Training for Federated Learning over Multi-Width Neural Networks | Korea University | INFOCOM | 2022 год | [ПАБ] |
| Towards Optimal Multi-Modal Federated Learning on Non-IID Data with Hierarchical Gradient Blending | University of Toronto | INFOCOM | 2022 год | [ПАБ] |
| Optimal Rate Adaption in Federated Learning with Compressed Communications | SZU | INFOCOM | 2022 год | [PUB] [PDF] |
| The Right to be Forgotten in Federated Learning: An Efficient Realization with Rapid Retraining. | CityU | INFOCOM | 2022 год | [PUB] [PDF] |
| Tackling System and Statistical Heterogeneity for Federated Learning with Adaptive Client Sampling. | CUHK; AIRS ;Yale University | INFOCOM | 2022 год | [PUB] [PDF] |
| Communication-Efficient Device Scheduling for Federated Learning Using Stochastic Optimization | Army Research Laboratory, Adelphi | INFOCOM | 2022 год | [PUB] [PDF] |
| FLASH: Federated Learning for Automated Selection of High-band mmWave Sectors | NEU | INFOCOM | 2022 год | [PUB] [CODE] |
| A Profit-Maximizing Model Marketplace with Differentially Private Federated Learning | CUHK; ЭИРС | INFOCOM | 2022 год | [ПАБ] |
| Protect Privacy from Gradient Leakage Attack in Federated Learning | PolyU | INFOCOM | 2022 год | [PUB] [SLIDE] |
| FedFPM: A Unified Federated Analytics Framework for Collaborative Frequent Pattern Mining. | SJTU | INFOCOM | 2022 год | [PUB] [CODE] |
| An Accuracy-Lossless Perturbation Method for Defending Privacy Attacks in Federated Learning | SWJTU;THU | WWW | 2022 год | [PUB] [PDF] [CODE] |
| LocFedMix-SL: Localize, Federate, and Mix for Improved Scalability, Convergence, and Latency in Split Learning | Yonsei University | WWW | 2022 год | [ПАБ] |
| Federated Unlearning via Class-Discriminative Pruning | PolyU | WWW | 2022 год | [PUB] [PDF] [CODE] |
| FedKC: Federated Knowledge Composition for Multilingual Natural Language Understanding | Purdue | WWW | 2022 год | [ПАБ] |
| Powering Multi-Task Federated Learning with Competitive GPU Resource Sharing. | WWW (Companion Volume) | 2022 год | ||
| Federated Bandit: A Gossiping Approach | Калифорнийский университет | SIGMETRICS | 2021 год | [PUB] [PDF] |
| Hermes: an efficient federated learning framework for heterogeneous mobile clients | Duke University | MobiCom | 2021 год | [ПАБ] |
| Federated mobile sensing for activity recognition | Samsung AI Center | MobiCom | 2021 год | [PUB] [PAGE] [TALKS] [VIDEO] |
| Learning for Learning: Predictive Online Control of Federated Learning with Edge Provisioning. | Нанкинский университет | INFOCOM | 2021 год | [ПАБ] |
| Device Sampling for Heterogeneous Federated Learning: Theory, Algorithms, and Implementation. | Purdue | INFOCOM | 2021 год | [PUB] [PDF] |
| FAIR: Quality-Aware Federated Learning with Precise User Incentive and Model Aggregation | ЧТ | INFOCOM | 2021 год | [ПАБ] |
| Sample-level Data Selection for Federated Learning | USTC | INFOCOM | 2021 год | [ПАБ] |
| To Talk or to Work: Flexible Communication Compression for Energy Efficient Federated Learning over Heterogeneous Mobile Edge Devices | Xidian University; КАС | INFOCOM | 2021 год | [PUB] [PDF] |
| Cost-Effective Federated Learning Design | CUHK; AIRS; Yale University | INFOCOM | 2021 год | [PUB] [PDF] |
| An Incentive Mechanism for Cross-Silo Federated Learning: A Public Goods Perspective | The UBC | INFOCOM | 2021 год | [ПАБ] |
| Resource-Efficient Federated Learning with Hierarchical Aggregation in Edge Computing | USTC | INFOCOM | 2021 год | [ПАБ] |
| FedServing: A Federated Prediction Serving Framework Based on Incentive Mechanism. | Jinan University; CityU | INFOCOM | 2021 год | [PUB] [PDF] |
| Federated Learning over Wireless Networks: A Band-limited Coordinated Descent Approach | Arizona State University | INFOCOM | 2021 год | [PUB] [PDF] |
| Dual Attention-Based Federated Learning for Wireless Traffic Prediction | Университет науки и технологий короля Абдаллы | INFOCOM | 2021 год | [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 год | [ПАБ] |
| P-FedAvg: Parallelizing Federated Learning with Theoretical Guarantees | SYSU; Guangdong Key Laboratory of Big Data Analysis and Processing | INFOCOM | 2021 год | [ПАБ] |
| Meta-HAR: Federated Representation Learning for Human Activity Recognition. | University of Alberta | WWW | 2021 год | [PUB] [PDF] [CODE] |
| PFA: Privacy-preserving Federated Adaptation for Effective Model Personalization | ФКУ | WWW | 2021 год | [PUB] [PDF] [CODE] |
| Communication Efficient Federated Generalized Tensor Factorization for Collaborative Health Data Analytics | Эмори | WWW | 2021 год | [PUB] [CODE] |
| Hierarchical Personalized Federated Learning for User Modeling | USTC | WWW | 2021 год | [ПАБ] |
| Characterizing Impacts of Heterogeneity in Federated Learning upon Large-Scale Smartphone Data | ФКУ | WWW | 2021 год | [PUB] [PDF] [SLIDE] [CODE] |
| Incentive Mechanism for Horizontal Federated Learning Based on Reputation and Reverse Auction | SYSU | WWW | 2021 год | [ПАБ] |
| Physical-Layer Arithmetic for Federated Learning in Uplink MU-MIMO Enabled Wireless Networks. | Нанкинский университет | INFOCOM | 2020 год | [ПАБ] |
| Optimizing Federated Learning on Non-IID Data with Reinforcement Learning | University of Toronto | INFOCOM | 2020 год | [PUB] [SLIDE] [CODE] [解读] |
| Enabling Execution Assurance of Federated Learning at Untrusted Participants | ЧТ | INFOCOM | 2020 год | [PUB] [CODE] |
| Billion-scale federated learning on mobile clients: a submodel design with tunable privacy | SJTU | MobiCom | 2020 год | [ПАБ] |
| Federated Learning over Wireless Networks: Optimization Model Design and Analysis | The University of Sydney | INFOCOM | 2019 год | [PUB] [CODE] |
| Beyond Inferring Class Representatives: User-Level Privacy Leakage From Federated Learning | Wuhan University | INFOCOM | 2019 год | [PUB] [PDF] [UC.] |
| InPrivate Digging: Enabling Tree-based Distributed Data Mining with Differential Privacy | Collaborative Innovation Center of Geospatial Technology | INFOCOM | 2018 год | [ПАБ] |
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).
| Заголовок | Принадлежность | Место проведения | Год | Материалы |
|---|---|---|---|---|
| AdaptiveFL: Adaptive Heterogeneous Federated Learning for Resource-Constrained AIoT Systems. | ЦАП | 2024 год | [ПАБ] | |
| Fake Node-Based Perception Poisoning Attacks against Federated Object Detection Learning in Mobile Computing Networks | ЦАП | 2024 год | [ПАБ] | |
| Flagger: Cooperative Acceleration for Large-Scale Cross-Silo Federated Learning Aggregation | ISCA | 2024 год | [ПАБ] | |
| FedTrans: Efficient Federated Learning via Multi-Model Transformation | UIUC | MLSys | 2024 год | [PUB] [PDF] |
| LIFL: A Lightweight, Event-driven Serverless Platform for Federated Learning | UC Riverside | MLSys | 2024 год | [PUB] [PDF] |
| HeteroSwitch: Characterizing and Taming System-Induced Data Heterogeneity in Federated Learning | Korea University | MLSys | 2024 год | [PUB] [PDF] [CODE] |
| DeTA: Minimizing Data Leaks in Federated Learning via Decentralized and Trustworthy Aggregation | IBM Research | EuroSys | 2024 год | [ПАБ] |
| FLOAT: Federated Learning Optimizations with Automated Tuning | Virginia Tech | EuroSys | 2024 год | [PUB] [CODE] |
| Totoro: A Scalable Federated Learning Engine for the Edge | UCSC | EuroSys | 2024 год | [ПАБ] |
| Dordis: Efficient Federated Learning with Dropout-Resilient Differential Privacy | HKUST | EuroSys | 2024 год | [PUB] [PDF] [CODE] |
| FLIGAN: Enhancing Federated Learning with Incomplete Data using GAN | EuroSys workshop | 2024 год | [ПАБ] | |
| ALS Algorithm for Robust and Communication-Efficient Federated Learning | EuroSys workshop | 2024 год | [ПАБ] | |
| FedRDMA: Communication-Efficient Cross-Silo Federated LLM via Chunked RDMA Transmission. | EuroSys workshop | 2024 год | [ПАБ] | |
| Breaking the Memory Wall for Heterogeneous Federated Learning via Model Splitting. | TPDS | 2024 год | [ПАБ] | |
| SR-FDIL: Synergistic Replay for Federated Domain-Incremental Learning | TPDS | 2024 год | [ПАБ] | |
| FedVeca: Federated Vectorized Averaging on Non-IID Data With Adaptive Bi-Directional Global Objective | TPDS | 2024 год | [ПАБ] | |
| Trusted Model Aggregation With Zero-Knowledge Proofs in Federated Learning. | TPDS | 2024 год | [ПАБ] | |
| Accelerating Communication-Efficient Federated Multi-Task Learning With Personalization and Fairness. | TPDS | 2024 год | [ПАБ] | |
| Privacy-Preserving Data Selection for Horizontal and Vertical Federated Learning. | TPDS | 2024 год | [ПАБ] | |
| High-Performance Hardware Acceleration Architecture for Cross-Silo Federated Learning | TPDS | 2024 год | [ПАБ] | |
| Joint Participant and Learning Topology Selection for Federated Learning in Edge Clouds | TPDS | 2024 год | [ПАБ] | |
| Synchronize Only the Immature Parameters: Communication-Efficient Federated Learning By Freezing Parameters Adaptively | SJTU | TPDS | 2024 год | [ПАБ] |
| FedREM: Guided Federated Learning in the Presence of Dynamic Device Unpredictability | SYSU | TPDS | 2024 год | [ПАБ] |
| Fed-RAC: Resource-Aware Clustering for Tackling Heterogeneity of Participants in Federated Learning | IITP | TPDS | 2024 год | [PUB] [PDF] |
| Taking Advantage of the Mistakes: Rethinking Clustered Federated Learning for IoT Anomaly Detection | UVIC | TPDS | 2024 год | [ПАБ] |
| FedICT: Federated Multi-Task Distillation for Multi-Access Edge Computing | UCAS | TPDS | 2024 год | [PUB] [PDF] |
| Collaboration in Federated Learning With Differential Privacy: A Stackelberg Game Analysis | SYSU | TPDS | 2024 год | [ПАБ] |
| FAST: Enhancing Federated Learning Through Adaptive Data Sampling and Local Training | USTC | TPDS | 2024 год | [ПАБ] |
| EcoFed: Efficient Communication for DNN Partitioning-Based Federated Learning | University of St Andrews | TPDS | 2024 год | [PUB] [PDF] [CODE] |
| FedHAP: Federated Hashing With Global Prototypes for Cross-Silo Retrieval | ЧТ | TPDS | 2024 год | [PUB] [PDF] |
| FlexFL: Heterogeneous Federated Learning via APoZ-Guided Flexible Pruning in Uncertain Scenarios. | TCAD | 2024 год | [ПАБ] | |
| Personalized Meta-Federated Learning for IoT-Enabled Health Monitoring | TCAD | 2024 год | [ПАБ] | |
| NebulaFL: Self-Organizing Efficient Multilayer Federated Learning Framework With Adaptive Load Tuning in Heterogeneous Edge Systems | TCAD | 2024 год | [ПАБ] | |
| CaBaFL: Asynchronous Federated Learning via Hierarchical Cache and Feature Balance | TCAD | 2024 год | [ПАБ] | |
| FedStar: Efficient Federated Learning on Heterogeneous Communication Networks | USTC | TCAD | 2024 год | [ПАБ] |
| Lithography Hotspot Detection Based on Heterogeneous Federated Learning With Local Adaptation and Feature Selection | ZJU | TCAD | 2024 год | [PUB] [PDF] |
| FedComp: A Federated Learning Compression Framework for Resource-Constrained Edge Computing Devices | УДАРЯТЬ | TCAD | 2024 год | [ПАБ] |
| BSR-FL: An Efficient Byzantine-Robust Privacy-Preserving Federated Learning Framework | ТК | 2024 год | [ПАБ] | |
| User-Distribution-Aware Federated Learning for Efficient Communication and Fast Inference | ECNU; SHU | ТК | 2024 год | [ПАБ] |
| FedRFQ: Prototype-Based Federated Learning With Reduced Redundancy, Minimal Failure, and Enhanced Quality | СДУ | ТК | 2024 год | [PUB] [PDF] |
| Value of Information: A Comprehensive Metric for Client Selection in Federated Edge Learning | СДУ | ТК | 2024 год | [ПАБ] |
| Age-Aware Data Selection and Aggregator Placement for Timely Federated Continual Learning in Mobile Edge Computing | DLUT | ТК | 2024 год | [ПАБ] |
| FedGKD: Toward Heterogeneous Federated Learning via Global Knowledge Distillation | HUST | ТК | 2024 год | [PUB] [PDF] |
| Digital Twin-Assisted Federated Learning Service Provisioning Over Mobile Edge Networks | СДУ | ТК | 2024 год | [ПАБ] |
| REFL: Resource-Efficient Federated Learning | QMUL | EuroSys | 2023 год | [PUB] [PDF] [CODE] |
| A First Look at the Impact of Distillation Hyper-Parameters in Federated Knowledge Distillation | EuroSys workshop | 2023 год | [ПАБ] | |
| Towards Practical Few-shot Federated NLP | EuroSys workshop | 2023 год | [ПАБ] | |
| Can Fair Federated Learning Reduce the need for Personalisation? | EuroSys workshop | 2023 год | [ПАБ] | |
| Gradient-less Federated Gradient Boosting Tree with Learnable Learning Rates | EuroSys workshop | 2023 год | [ПАБ] | |
| Towards Robust and Bias-free Federated Learning | EuroSys workshop | 2023 год | [ПАБ] | |
| FedTree: A Federated Learning System For Trees | UC Berkeley | MLSys | 2023 год | [PUB] [CODE] |
| FLINT: A Platform for Federated Learning Integration | MLSys | 2023 год | [PUB] [PDF] | |
| On Noisy Evaluation in Federated Hyperparameter Tuning | КМУ | MLSys | 2023 год | [PUB] [PDF] [CODE] |
| GlueFL: Reconciling Client Sampling and Model Masking for Bandwidth Efficient Federated Learning | ЮБК | MLSys | 2023 год | [PUB] [PDF] [CODE] |
| Self-Supervised On-Device Federated Learning From Unlabeled Streams. | FDU | TCAD | 2023 год | [PUB] [PDF] |
| Optimizing Training Efficiency and Cost of Hierarchical Federated Learning in Heterogeneous Mobile-Edge Cloud Computing | ECNU | TCAD | 2023 год | [ПАБ] |
| Lightweight Blockchain-Empowered Secure and Efficient Federated Edge Learning | University of Exeter | ТК | 2023 год | [ПАБ] |
| Towards Data-Independent Knowledge Transfer in Model-Heterogeneous Federated Learning | PolyU | ТК | 2023 год | [ПАБ] |
| A New Federated Scheduling Algorithm for Arbitrary-Deadline DAG Tasks | NEFU | ТК | 2023 год | [ПАБ] |
| Privacy-Enhanced Decentralized Federated Learning at Dynamic Edge | СДУ | ТК | 2023 год | [ПАБ] |
| Byzantine-Resilient Federated Learning at Edge | СДУ | ТК | 2023 год | [PUB] [PDF] |
| PrivAim: A Dual-Privacy Preserving and Quality-Aware Incentive Mechanism for Federated Learning | ХГУ | ТК | 2023 год | [ПАБ] |
| Accelerating Federated Learning With a Global Biased Optimiser | University of Exeter | ТК | 2023 год | [PUB] [PDF] [CODE] |
| Type-Aware Federated Scheduling for Typed DAG Tasks on Heterogeneous Multicore Platforms | TU Dortmund University | ТК | 2023 год | [PUB] [CODE] |
| Sandbox Computing: A Data Privacy Trusted Sharing Paradigm Via Blockchain and Federated Learning. | BUPT | ТК | 2023 год | [ПАБ] |
| CHEESE: Distributed Clustering-Based Hybrid Federated Split Learning Over Edge Networks | SUDA | TPDS | 2023 год | [ПАБ] |
| Hierarchical Federated Learning With Momentum Acceleration in Multi-Tier Networks | University of Sydney | TPDS | 2023 год | [PUB] [PDF] |
| Dap-FL: Federated Learning Flourishes by Adaptive Tuning and Secure Aggregation | Xidian University | TPDS | 2023 год | [PUB] [PDF] [CODE] |
| Collaborative Intrusion Detection System for SDVN: A Fairness Federated Deep Learning Approach | Anhui University | TPDS | 2023 год | [ПАБ] |
| Energy-Aware, Device-to-Device Assisted Federated Learning in Edge Computing | АНУ | TPDS | 2023 год | [ПАБ] |
| Faster Federated Learning With Decaying Number of Local SGD Steps | University of Exeter | TPDS | 2023 год | [PUB] [PDF] [CODE] |
| DRFL: Federated Learning in Diabetic Retinopathy Grading Using Fundus Images | National Institute of Technology Silchar | TPDS | 2023 год | [ПАБ] |
| FedProf: Selective Federated Learning Based on Distributional Representation Profiling | Peng Cheng Laboratory | TPDS | 2023 год | [PUB] [PDF] [UC] |
| Federated Ensemble Model-Based Reinforcement Learning in Edge Computing | University of Exeter | TPDS | 2023 год | [PUB] [PDF] |
| Incentive Mechanism Design for Joint Resource Allocation in Blockchain-Based Federated Learning. | IUPUI | TPDS | 2023 год | [PUB] [PDF] |
| HiFlash: Communication-Efficient Hierarchical Federated Learning With Adaptive Staleness Control and Heterogeneity-Aware Client-Edge Association. | SYSU | TPDS | 2023 год | [PUB] [PDF] |
| From Deterioration to Acceleration: A Calibration Approach to Rehabilitating Step Asynchronism in Federated Optimization. | PolyU | TPDS | 2023 год | [PUB] [PDF] [CODE] |
| Federated Learning Over Coupled Graphs | XJTU | TPDS | 2023 год | [PUB] [PDF] |
| Privacy vs. Efficiency: Achieving Both Through Adaptive Hierarchical Federated Learning | NUDT | TPDS | 2023 год | [ПАБ] |
| On Model Transmission Strategies in Federated Learning With Lossy Communications | SZU | TPDS | 2023 год | [ПАБ] |
| Scheduling Algorithms for Federated Learning With Minimal Energy Consumption | University of Bordeaux | TPDS | 2023 год | [PUB] [PDF] [CODE] |
| Auction-Based Cluster Federated Learning in Mobile Edge Computing Systems | УДАРЯТЬ | TPDS | 2023 год | [PUB] [PDF] |
| Personalized Edge Intelligence via Federated Self-Knowledge Distillation. | HUST | TPDS | 2023 год | [PUB] [CODE] |
| Design of a Quantization-Based DNN Delta Compression Framework for Model Snapshots and Federated Learning. | УДАРЯТЬ | TPDS | 2023 год | [ПАБ] |
| Multi-Job Intelligent Scheduling With Cross-Device Federated Learning. | Байду | TPDS | 2023 год | [PUB] [PDF] |
| Data-Centric Client Selection for Federated Learning Over Distributed Edge Networks. | IIT | TPDS | 2023 год | [ПАБ] |
| GossipFL: A Decentralized Federated Learning Framework With Sparsified and Adaptive Communication. | ХКБУ | TPDS | 2023 год | [ПАБ] |
| FedMDS: An Efficient Model Discrepancy-Aware Semi-Asynchronous Clustered Federated Learning Framework. | CQU | TPDS | 2023 год | [ПАБ] |
| HierFedML: Aggregator Placement and UE Assignment for Hierarchical Federated Learning in Mobile Edge Computing. | DUT | TPDS | 2023 год | [ПАБ] |
| Data selection for efficient model update in federated learning | EuroSys workshop | 2022 год | [ПАБ] | |
| Empirical analysis of federated learning in heterogeneous environments | EuroSys workshop | 2022 год | [ПАБ] | |
| BAFL: A Blockchain-Based Asynchronous Federated Learning Framework | ТК | 2022 год | [PUB] [CODE] | |
| L4L: Experience-Driven Computational Resource Control in Federated Learning | ТК | 2022 год | [ПАБ] | |
| Adaptive Federated Learning on Non-IID Data With Resource Constraint | ТК | 2022 год | [ПАБ] | |
| Locking Protocols for Parallel Real-Time Tasks With Semaphores Under Federated Scheduling. | TCAD | 2022 год | [ПАБ] | |
| Client Scheduling and Resource Management for Efficient Training in Heterogeneous IoT-Edge Federated Learning | ECNU | TCAD | 2022 год | [ПАБ] |
| PervasiveFL: Pervasive Federated Learning for Heterogeneous IoT Systems. | ECNU | TCAD | 2022 год | [ПАБ] |
| FHDnn: communication efficient and robust federated learning for AIoT networks | Калифорнийский университет в Сан-Диего | ЦАП | 2022 год | [ПАБ] |
| A Decentralized Federated Learning Framework via Committee Mechanism With Convergence Guarantee | SYSU | TPDS | 2022 год | [PUB] [PDF] |
| Improving Federated Learning With Quality-Aware User Incentive and Auto-Weighted Model Aggregation | ЧТ | TPDS | 2022 год | [ПАБ] |
| $f$funcX: Federated Function as a Service for Science. | SUST | TPDS | 2022 год | [PUB] [PDF] |
| Blockchain Assisted Decentralized Federated Learning (BLADE-FL): Performance Analysis and Resource Allocation | NUST | TPDS | 2022 год | [PUB] [PDF] [CODE] |
| Adaptive Federated Deep Reinforcement Learning for Proactive Content Caching in Edge Computing. | CQU | TPDS | 2022 год | [ПАБ] |
| TDFL: Truth Discovery Based Byzantine Robust Federated Learning | КУСОЧЕК | TPDS | 2022 год | [ПАБ] |
| Federated Learning With Nesterov Accelerated Gradient | The University of Sydney | TPDS | 2022 год | [PUB] [PDF] |
| FedGraph: Federated Graph Learning with Intelligent Sampling | UoA | TPDS | 2022 год | [PUB] [CODE] [解读] |
| AUCTION: Automated and Quality-Aware Client Selection Framework for Efficient Federated Learning. | ЧТ | TPDS | 2022 год | [ПАБ] |
| DONE: Distributed Approximate Newton-type Method for Federated Edge Learning. | University of Sydney | TPDS | 2022 год | [PUB] [PDF] [CODE] |
| Flexible Clustered Federated Learning for Client-Level Data Distribution Shift. | CQU | TPDS | 2022 год | [PUB] [PDF] [CODE] |
| Min-Max Cost Optimization for Efficient Hierarchical Federated Learning in Wireless Edge Networks. | Xidian University | TPDS | 2022 год | [ПАБ] |
| LightFed: An Efficient and Secure Federated Edge Learning System on Model Splitting. | ХГУ | TPDS | 2022 год | [ПАБ] |
| On the Benefits of Multiple Gossip Steps in Communication-Constrained Decentralized Federated Learning. | Purdue | TPDS | 2022 год | [PUB] [PDF] [CODE] |
| Incentive-Aware Autonomous Client Participation in Federated Learning. | Университет Сунь Ятсена | TPDS | 2022 год | [ПАБ] |
| Communicational and Computational Efficient Federated Domain Adaptation. | HKUST | TPDS | 2022 год | [ПАБ] |
| Decentralized Edge Intelligence: A Dynamic Resource Allocation Framework for Hierarchical Federated Learning. | NTU | TPDS | 2022 год | [ПАБ] |
| Differentially Private Byzantine-Robust Federated Learning. | Педагогический университет Цюфу | TPDS | 2022 год | [ПАБ] |
| Multi-Task Federated Learning for Personalised Deep Neural Networks in Edge Computing. | University of Exeter | TPDS | 2022 год | [PUB] [PDF] [CODE] |
| Reputation-Aware Hedonic Coalition Formation for Efficient Serverless Hierarchical Federated Learning. | BUAA | TPDS | 2022 год | [ПАБ] |
| Differentially Private Federated Temporal Difference Learning. | Stony Brook University | TPDS | 2022 год | [ПАБ] |
| Towards Efficient and Stable K-Asynchronous Federated Learning With Unbounded Stale Gradients on Non-IID Data. | XJTU | TPDS | 2022 год | [PUB] [PDF] |
| Communication-Efficient Federated Learning With Compensated Overlap-FedAvg. | SCU | TPDS | 2022 год | [PUB] [PDF] [CODE] |
| PAPAYA: Practical, Private, and Scalable Federated Learning. | Мета ИИ | MLSys | 2022 год | [PUB] [PDF] |
| LightSecAgg: a Lightweight and Versatile Design for Secure Aggregation in Federated Learning | ОСК | MLSys | 2022 год | [PUB] [PDF] [CODE] |
| Accelerated Training via Device Similarity in Federated Learning | EuroSys workshop | 2021 год | [ПАБ] | |
| Towards Federated Learning with Attention Transfer to Mitigate System and Data Heterogeneity of Clients | EuroSys workshop | 2021 год | [ПАБ] | |
| Towards Mitigating Device Heterogeneity in Federated Learning via Adaptive Model Quantization | EuroSys workshop | 2021 год | [ПАБ] | |
| SAFA: A Semi-Asynchronous Protocol for Fast Federated Learning With Low Overhead | University of Warwick | ТК | 2021 год | [PDF] [PUB] [CODE] |
| Efficient Federated Learning for Cloud-Based AIoT Applications | ECNU | TCAD | 2021 год | [ПАБ] |
| HADFL: Heterogeneity-aware Decentralized Federated Learning Framework | USTC | ЦАП | 2021 год | [PDF] [PUB] |
| Helios: Heterogeneity-Aware Federated Learning with Dynamically Balanced Collaboration. | GMU | ЦАП | 2021 год | [PDF] [PUB] |
| FedLight: Federated Reinforcement Learning for Autonomous Multi-Intersection Traffic Signal Control. | ECNU | ЦАП | 2021 год | [ПАБ] |
| Oort: Efficient Federated Learning via Guided Participant Selection | University of Michigan | OSDI | 2021 год | [PUB] [PDF] [CODE] [SLIDES] [VIDEO] |
| Towards Efficient Scheduling of Federated Mobile Devices Under Computational and Statistical Heterogeneity. | Old Dominion University | TPDS | 2021 год | [PUB] [PDF] |
| Self-Balancing Federated Learning With Global Imbalanced Data in Mobile Systems. | CQU | TPDS | 2021 год | [PUB] [CODE] |
| An Efficiency-Boosting Client Selection Scheme for Federated Learning With Fairness Guarantee | SCUT | TPDS | 2021 год | [PUB] [PDF] [解读] |
| Proof of Federated Learning: A Novel Energy-Recycling Consensus Algorithm. | Beijing Normal University | TPDS | 2021 год | [PUB] [PDF] |
| Biscotti: A Blockchain System for Private and Secure Federated Learning. | ЮБК | TPDS | 2021 год | [ПАБ] |
| Mutual Information Driven Federated Learning. | Deakin University | TPDS | 2021 год | [ПАБ] |
| Accelerating Federated Learning Over Reliability-Agnostic Clients in Mobile Edge Computing Systems. | University of Warwick | TPDS | 2021 год | [PUB] [PDF] |
| FedSCR: Structure-Based Communication Reduction for Federated Learning. | HKU | TPDS | 2021 год | [ПАБ] |
| FedScale: Benchmarking Model and System Performance of Federated Learning | University of Michigan | SOSP workshop / ICML 2022 | 2021 год | [PUB] [PDF] [CODE] [解读] |
| Redundancy in cost functions for Byzantine fault-tolerant federated learning | SOSP workshop | 2021 год | [ПАБ] | |
| Towards an Efficient System for Differentially-private, Cross-device Federated Learning | SOSP workshop | 2021 год | [ПАБ] | |
| GradSec: a TEE-based Scheme Against Federated Learning Inference Attacks | SOSP workshop | 2021 год | [ПАБ] | |
| Community-Structured Decentralized Learning for Resilient EI. | SOSP workshop | 2021 год | [ПАБ] | |
| Separation of Powers in Federated Learning (Poster Paper) | IBM Research | SOSP workshop | 2021 год | [PUB] [PDF] |
| Towards federated unsupervised representation learning | EuroSys workshop | 2020 год | [ПАБ] | |
| CoLearn: enabling federated learning in MUD-compliant IoT edge networks | EuroSys workshop | 2020 год | [ПАБ] | |
| LDP-Fed: federated learning with local differential privacy. | EuroSys workshop | 2020 год | [ПАБ] | |
| Accelerating Federated Learning via Momentum Gradient Descent. | USTC | TPDS | 2020 год | [PUB] [PDF] |
| Towards Fair and Privacy-Preserving Federated Deep Models. | NUS | TPDS | 2020 год | [PUB] [PDF] [CODE] |
| Federated Optimization in Heterogeneous Networks | КМУ | MLSys | 2020 год | [PUB] [PDF] [CODE] |
| Towards Federated Learning at Scale: System Design | MLSys | 2019 год | [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).
| Заголовок | Принадлежность | Место проведения | Год | Материалы |
|---|---|---|---|---|
| F-CodeLLM: A Federated Learning Framework for Adapting Large Language Models to Practical Software Development | SYSU | ICSE Companion | 2024 год | ПАБ |
| Raft Protocol for Fault Tolerance and Self-Recovery in Federated Learning | SINTEF Digital | SEAMS@ICSE | 2024 год | ПАБ |
| FedDebug: Systematic Debugging for Federated Learning Applications. | Virginia Tech | МЦБЭ | 2023 год | pub pdf code |
| FedSlice: Protecting Federated Learning Models from Malicious Participants with Model Slicing. | ФКУ | МЦБЭ | 2023 год | pub code |
| Towards a Self-Adaptive Architecture for Federated Learning of Industrial Automation Systems | SEAMS@ICSE workshop | 2021 год | паб | |
| Federated Machine Learning as a Self-Adaptive Problem | SEAMS@ICSE workshop | 2021 год | паб |
This section partially refers to DBLP search engine and repositories Awesome-Federated-Learning-on-Graph-and-GNN-papers and Awesome-Federated-Machine-Learning.
| Заголовок | Принадлежность | Место проведения | Год | Материалы |
|---|---|---|---|---|
| FedGCN: Convergence and Communication Tradeoffs in Federated Training of Graph Convolutional Networks | КМУ | NeurIPS ? | 2023 год | [PDF] [CODE] |
| Wyze Rule: Federated Rule Dataset for Rule Recommendation Benchmarking | КМУ | NeurIPS Dataset Track ? | 2023 год | [PDF] [DATASET] [CODE] |
| Federated Visualization: A Privacy-Preserving Strategy for Aggregated Visual Query. | ZJU | IEEE Транс. Vis. Comput. Граф. ? | 2023 год | [PUB] [PDF] |
| Personalized Subgraph Federated Learning | KAIST | ICML ? | 2023 год | [PDF] |
| Semi-decentralized Federated Ego Graph Learning for Recommendation | SUST | WWW:mortar_board: | 2023 год | [PUB] [PDF] |
| Federated Graph Neural Network for Fast Anomaly Detection in Controller Area Networks | ECUST | IEEE Транс. Инф. Forensics Secur. ? | 2023 год | [ПАБ] |
| Federated Learning Over Coupled Graphs | XJTU | IEEE Транс. Parallel Distributed Syst. ? | 2023 год | [PUB] [PDF] |
| HetVis: A Visual Analysis Approach for Identifying Data Heterogeneity in Horizontal Federated Learning | Nankai University | IEEE Транс. Vis. Comput. Граф. ? | 2023 год | [PUB] [PDF] |
| Federated Learning on Non-IID Graphs via Structural Knowledge Sharing | ОТС | AAAI ? | 2023 год | [PDF] [CODE] |
| FedGS: Federated Graph-based Sampling with Arbitrary Client Availability | XMU | AAAI ? | 2023 год | [PDF] [CODE] |
| An Information Theoretic Perspective for Heterogeneous Subgraph Federated Learning. | ФКУ | DASFAA | 2023 год | [ПАБ] |
| GraphCS: Graph-based client selection for heterogeneity in federated learning | NUDT | J. Parallel Distributed Comput. | 2023 год | [ПАБ] |
| Towards On-Device Federated Learning: A Direct Acyclic Graph-based Blockchain Approach | BUPT | IEEE Транс. Neural Networks Learn. Syst. | 2023 год | [PUB] [PDF] |
| Short-Term Traffic Flow Prediction Based on Graph Convolutional Networks and Federated Learning | ZUEL | IEEE Транс. Intell. Transp. Syst. | 2023 год | [ПАБ] |
| Hyper-Graph Attention Based Federated Learning Methods for Use in Mental Health Detection. | HVL | IEEE J. Biomed. Health Informatics | 2023 год | [ПАБ] |
| Federated Learning-Based Cross-Enterprise Recommendation With Graph Neural | IEEE Транс. Ind. Informatics | 2023 год | [ПАБ] | |
| Graph-Fraudster: Adversarial Attacks on Graph Neural Network Based Vertical Federated Learning | ZJUT | IEEE Транс. Comput. Соц. Syst. | 2023 год | [PUB] [PDF] [CODE] |
| ESA-FedGNN: Efficient secure aggregation for federated graph neural networks. | Peer Peer Netw. Appl. | 2023 год | [ПАБ] | |
| FedCKE: Cross-Domain Knowledge Graph Embedding in Federated Learning | SWJTU | IEEE Транс. Большие данные | 2023 год | [ПАБ] |
| Asynchronous federated learning with directed acyclic graph-based blockchain in edge computing: Overview, design, and challenges. | Expert Syst. Appl. | 2023 год | [ПАБ] | |
| FedGR: Federated Graph Neural Network for Recommendation System | CUPT | Axioms | 2023 год | [ПАБ] |
| S-Glint: Secure Federated Graph Learning With Traffic Throttling and Flow Scheduling. | IEEE Транс. Green Commun. Netw. | 2023 год | [ПАБ] | |
| FedAGCN: A traffic flow prediction framework based on federated learning and Asynchronous Graph Convolutional Network | Appl. Soft Comput. | 2023 год | [ПАБ] | |
| GDFed: Dynamic Federated Learning for Heterogenous Device Using Graph Neural Network | KHU | ICOIN | 2023 год | [PUB] [CODE] |
| Coordinated Scheduling and Decentralized Federated Learning Using Conflict Clustering Graphs in Fog-Assisted IoD Networks | ЮБК | IEEE Транс. Veh. Technol. | 2023 год | [ПАБ] |
| FedRule: Federated Rule Recommendation System with Graph Neural Networks | КМУ | IoTDI | 2023 год | [PUB] [PDF] [CODE] |
| FedWalk: Communication Efficient Federated Unsupervised Node Embedding with Differential Privacy | SJTU | KDD ? | 2022 год | [PUB] [PDF] |
| FederatedScope-GNN: Towards a Unified, Comprehensive and Efficient Platform for Federated Graph Learning | Алибаба | KDD (Best Paper Award) ? | 2022 год | [PDF] [CODE] [PUB] |
| Deep Neural Network Fusion via Graph Matching with Applications to Model Ensemble and Federated Learning | SJTU | ICML ? | 2022 год | [PUB] [CODE] |
Meta-Learning Based Knowledge Extrapolation for Knowledge Graphs in the Federated Setting kg. | ZJU | IJCAI ? | 2022 год | [PUB] [PDF] [CODE] |
| Personalized Federated Learning With a Graph | ОТС | IJCAI ? | 2022 год | [PUB] [PDF] [CODE] |
| Vertically Federated Graph Neural Network for Privacy-Preserving Node Classification | ZJU | IJCAI ? | 2022 год | [PUB] [PDF] |
| SpreadGNN: Decentralized Multi-Task Federated Learning for Graph Neural Networks on Molecular Data | ОСК | AAAI:mortar_board: | 2022 год | [PUB] [PDF] [CODE] [解读] |
| FedGraph: Federated Graph Learning with Intelligent Sampling | UoA | TPDS ? | 2022 год | [PUB] [CODE] [解读] |
Federated Graph Machine Learning: A Survey of Concepts, Techniques, and Applications surv. | University of Virginia | SIGKDD Explor. | 2022 год | [PUB] [PDF] |
| Semantic Vectorization: Text- and Graph-Based Models. | IBM Research | Federated Learning | 2022 год | [ПАБ] |
| GraphFL: A Federated Learning Framework for Semi-Supervised Node Classification on Graphs | IIT | ICDM | 2022 год | [PUB] [PDF] [解读] |
| More is Better (Mostly): On the Backdoor Attacks in Federated Graph Neural Networks | ТУ Делфт | ACSAC | 2022 год | [PUB] [PDF] |
| FedNI: Federated Graph Learning with Network Inpainting for Population-Based Disease Prediction | UESTC | TMI | 2022 год | [PUB] [PDF] |
| SemiGraphFL: Semi-supervised Graph Federated Learning for Graph Classification. | ФКУ | PPSN | 2022 год | [ПАБ] |
| Federated Spatio-Temporal Traffic Flow Prediction Based on Graph Convolutional Network | ТЮ | WCSP | 2022 год | [ПАБ] |
| A federated graph neural network framework for privacy-preserving personalization | ЧТ | Nature Communications | 2022 год | [PUB] [CODE] [解读] |
| Malicious Transaction Identification in Digital Currency via Federated Graph Deep Learning | КУСОЧЕК | INFOCOM Workshops | 2022 год | [ПАБ] |
Efficient Federated Learning on Knowledge Graphs via Privacy-preserving Relation Embedding Aggregation kg. | Lehigh University | EMNLP | 2022 год | [PUB] [PDF] [CODE] |
| Power Allocation for Wireless Federated Learning using Graph Neural Networks | Rice University | ICASSP | 2022 год | [PUB] [PDF] [CODE] |
| Privacy-Preserving Federated Multi-Task Linear Regression: A One-Shot Linear Mixing Approach Inspired By Graph Regularization | Калифорнийский университет | ICASSP | 2022 год | [PUB] [PDF] [CODE] |
| Graph-regularized federated learning with shareable side information | NWPU | Знать. Based Syst. | 2022 год | [ПАБ] |
Federated knowledge graph completion via embedding-contrastive learning kg. | ZJU | Знать. Based Syst. | 2022 год | [ПАБ] |
| Federated Graph Learning with Periodic Neighbour Sampling | HKU | IWQoS | 2022 год | [ПАБ] |
| FedGSL: Federated Graph Structure Learning for Local Subgraph Augmentation. | Большие данные | 2022 год | [ПАБ] | |
| Domain-Aware Federated Social Bot Detection with Multi-Relational Graph Neural Networks. | UCAS; КАС | IJCNN | 2022 год | [ПАБ] |
| A Federated Multi-Server Knowledge Graph Embedding Framework For Link Prediction. | ICTAI | 2022 год | [ПАБ] | |
| A Privacy-Preserving Subgraph-Level Federated Graph Neural Network via Differential Privacy | Ping An Technology | KSEM | 2022 год | [PUB] [PDF] |
| Clustered Graph Federated Personalized Learning. | NTNU | IEEECONF | 2022 год | [ПАБ] |
| Investigating the Predictive Reproducibility of Federated Graph Neural Networks using Medical Datasets. | MICCAI Workshop | 2022 год | [PDF] [CODE] | |
| Peer-to-Peer Variational Federated Learning Over Arbitrary Graphs | UCSD | Межд. J. Bio Inspired |
