:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liebenow, Johannes, Schütt, Yara, Braun, Tanya, Gehrke, Marcel, Thaeter, Florian, Mohammadi, Esfandiar
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Cryptography and Security Machine Learning
Online-Zugang:	https://arxiv.org/abs/2307.02969
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Understanding the Theoretical Guarantees of DPM
von: Schütt, Yara, et al.
Veröffentlicht: (2025)

PrivAgE: A Toolchain for Privacy-Preserving Distributed Aggregation on Edge-Devices
von: Liebenow, Johannes, et al.
Veröffentlicht: (2023)

Private Blind Model Averaging - Distributed, Non-interactive, and Convergent
von: Kirschte, Moritz, et al.
Veröffentlicht: (2022)

S-BDT: Distributed Differentially Private Boosted Decision Trees
von: Peinemann, Thorsten, et al.
Veröffentlicht: (2023)

Non-omniscient backdoor injection with one poison sample: Proving the one-poison hypothesis for linear regression, linear classification, and 2-layer ReLU neural networks
von: Peinemann, Thorsten, et al.
Veröffentlicht: (2025)

DP-HYPE: Distributed Differentially Private Hyperparameter Search
von: Liebenow, Johannes, et al.
Veröffentlicht: (2025)

Privacy-Preserving Vertical K-Means Clustering
von: Mazzone, Federico, et al.
Veröffentlicht: (2025)

EncCluster: Scalable Functional Encryption in Federated Learning through Weight Clustering and Probabilistic Filters
von: Tsouvalas, Vasileios, et al.
Veröffentlicht: (2024)

FastLloyd: Federated, Accurate, Secure, and Tunable $k$-Means Clustering with Differential Privacy
von: Diaa, Abdulrahman, et al.
Veröffentlicht: (2024)

Understanding Sensitivity of Differential Attention through the Lens of Adversarial Robustness
von: Takahashi, Tsubasa, et al.
Veröffentlicht: (2025)

Auditing Differential Privacy Guarantees Using Density Estimation
von: Koskela, Antti, et al.
Veröffentlicht: (2024)

Data Poisoning: An Overlooked Threat to Power Grid Resilience
von: Agah, Nora, et al.
Veröffentlicht: (2024)

Privacy Backdoors: Stealing Data with Corrupted Pretrained Models
von: Feng, Shanglun, et al.
Veröffentlicht: (2024)

Private Training & Data Generation by Clustering Embeddings
von: Zhou, Felix, et al.
Veröffentlicht: (2025)

Improving the Utility of Differentially Private Clustering through Dynamical Processing
von: Byun, Junyoung, et al.
Veröffentlicht: (2023)

Federated Learning Clients Clustering with Adaptation to Data Drifts
von: Li, Minghao, et al.
Veröffentlicht: (2024)

Identifying Obfuscated Code through Graph-Based Semantic Analysis of Binary Code
von: Cohen, Roxane, et al.
Veröffentlicht: (2025)

Benchmarking GNNs Using Lightning Network Data
von: Feichtinger, Rainer, et al.
Veröffentlicht: (2024)

Differentially Private Federated $k$-Means Clustering with Server-Side Data
von: Scott, Jonathan, et al.
Veröffentlicht: (2025)

Improving the Variance of Differentially Private Randomized Experiments through Clustering
von: Javanmard, Adel, et al.
Veröffentlicht: (2023)

Membership Inference Attacks Cannot Prove that a Model Was Trained On Your Data
von: Zhang, Jie, et al.
Veröffentlicht: (2024)

Intrusion Detection in IoT Networks Using Hyperdimensional Computing: A Case Study on the NSL-KDD Dataset
von: Ghajari, Ghazal, et al.
Veröffentlicht: (2025)

Privacy in Metalearning and Multitask Learning: Modeling and Separations
von: Aliakbarpour, Maryam, et al.
Veröffentlicht: (2024)

Predicting SSH keys in Open SSH Memory dumps
von: Rascoussier, Florian
Veröffentlicht: (2024)

Preventing Prompt Injection with Type-Directed Privilege Separation
von: Jacob, Dennis, et al.
Veröffentlicht: (2025)

PA-CFL: Privacy-Adaptive Clustered Federated Learning for Transformer-Based Sales Forecasting on Heterogeneous Retail Data
von: Long, Yunbo, et al.
Veröffentlicht: (2025)

Automated Detection and Analysis of Data Practices Using A Real-World Corpus
von: Srinath, Mukund, et al.
Veröffentlicht: (2024)

Differentially Private Active Learning: Balancing Effective Data Selection and Privacy
von: Schwethelm, Kristian, et al.
Veröffentlicht: (2024)

PE-means: Improved Differentially Private $k$-means Clustering through Private Evolution
von: Humphries, Thomas, et al.
Veröffentlicht: (2026)

Learning to Localize Leakage of Cryptographic Sensitive Variables
von: Gammell, Jimmy, et al.
Veröffentlicht: (2025)

Pr$εε$mpt: Sanitizing Sensitive Prompts for LLMs
von: Chowdhury, Amrita Roy, et al.
Veröffentlicht: (2025)

Contrastive Explainable Clustering with Differential Privacy
von: Nguyen, Dung, et al.
Veröffentlicht: (2024)

Privacy-Preserving Heterogeneous Federated Learning for Sensitive Healthcare Data
von: Xu, Yukai, et al.
Veröffentlicht: (2024)

BoBa: Boosting Backdoor Detection through Data Distribution Inference in Federated Learning
von: Jiang, Zhengyuan, et al.
Veröffentlicht: (2024)

SoK: Analyzing Adversarial Examples: A Framework to Study Adversary Knowledge
von: Fenaux, Lucas, et al.
Veröffentlicht: (2024)

Information-Theoretic Privacy Control for Sequential Multi-Agent LLM Systems
von: Asif, Sadia, et al.
Veröffentlicht: (2026)

Provably Cost-Sensitive Adversarial Defense via Randomized Smoothing
von: Xin, Yuan, et al.
Veröffentlicht: (2023)

Clip Body and Tail Separately: High Probability Guarantees for DPSGD with Heavy Tails
von: Sha, Haichao, et al.
Veröffentlicht: (2024)

Cluster Analysis and Concept Drift Detection in Malware
von: Mishra, Aniket, et al.
Veröffentlicht: (2025)

Online Clustering of Known and Emerging Malware Families
von: Jurečková, Olha, et al.
Veröffentlicht: (2024)