Buchumschlag

Quantum Privacy Aggregation of Teacher Ensembles (QPATE) for Privacy-preserving Quantum Machine Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Watkins, William, Wang, Heehwan, Bae, Sangyoon, Tseng, Huan-Hsin, Cha, Jiook, Chen, Samuel Yen-Chi, Yoo, Shinjae
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Quantum Physics Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Addressing the Current Challenges of Quantum Machine Learning through Multi-Chip Ensembles
von: Park, Junghoon Justin, et al.
Veröffentlicht: (2025)

It's-A-Me, Quantum Mario: Scalable Quantum Reinforcement Learning with Multi-Chip Ensembles
von: Park, Junghoon Justin, et al.
Veröffentlicht: (2025)

PIMSM: Physics-Informed Multi-Scale Mamba for Stable Neural Representations under Distribution Shift
von: Bae, Sangyoon, et al.
Veröffentlicht: (2026)

Resting-state fMRI Analysis using Quantum Time-series Transformer
von: Park, Junghoon Justin, et al.
Veröffentlicht: (2025)

Bridging Quantum Computing and Differential Privacy: Insights into Quantum Computing Privacy
von: Zhao, Yusheng, et al.
Veröffentlicht: (2024)

Local Privacy-preserving Mechanisms and Applications in Machine Learning
von: Qin, Likun, et al.
Veröffentlicht: (2024)

PDLRecover: Privacy-preserving Decentralized Model Recovery with Machine Unlearning
von: Li, Xiangman, et al.
Veröffentlicht: (2025)

RASE: Efficient Privacy-preserving Data Aggregation against Disclosure Attacks for IoTs
von: Wang, Zuyan, et al.
Veröffentlicht: (2024)

Efficient Secure Aggregation for Privacy-Preserving Federated Machine Learning
von: Behnia, Rouzbeh, et al.
Veröffentlicht: (2023)

Differential Privacy in Aggregated Mobility Networks: Balancing Privacy and Utility
von: Haydari, Ammar, et al.
Veröffentlicht: (2021)

Privacy-preserving server-supported decryption
von: Laud, Peeter, et al.
Veröffentlicht: (2024)

Spatiotemporal Learning of Brain Dynamics from fMRI Using Frequency-Specific Multi-Band Attention for Cognitive and Psychiatric Applications
von: Bae, Sangyoon, et al.
Veröffentlicht: (2025)

Probabilistic Counters for Privacy Preserving Data Aggregation
von: Bojko, Dominik, et al.
Veröffentlicht: (2020)

Privacy-Preserving Quantum Two-Party Geometric Intersection
von: Liu, Wen-Jie, et al.
Veröffentlicht: (2023)

Privacy-preserving Machine Learning in Internet of Vehicle Applications: Fundamentals, Recent Advances, and Future Direction
von: Islam, Nazmul, et al.
Veröffentlicht: (2025)

Privacy-preserving authentication for military 5G networks
von: Lutz, I. D., et al.
Veröffentlicht: (2025)

Security and Privacy Management of IoT Using Quantum Computing
von: Sen, Jaydip
Veröffentlicht: (2025)

Decentralised, Collaborative, and Privacy-preserving Machine Learning for Multi-Hospital Data
von: Fang, Congyu, et al.
Veröffentlicht: (2024)

Privacy-preserving Fuzzy Name Matching for Sharing Financial Intelligence
von: Kasyap, Harsh, et al.
Veröffentlicht: (2024)

Privacy preserving layer partitioning for Deep Neural Network models
von: Rajasekar, Kishore, et al.
Veröffentlicht: (2024)

Privacy-preserving Quantification of Non-IID Degree in Federated Learning
von: Yan, Yuping, et al.
Veröffentlicht: (2024)

B-Privacy: Defining and Enforcing Privacy in Weighted Voting
von: Breckenridge, Samuel, et al.
Veröffentlicht: (2025)

Learning to Program Quantum Measurements for Machine Learning
von: Chen, Samuel Yen-Chi, et al.
Veröffentlicht: (2025)

IDCloak: A Practical Secure Multi-party Dataset Join Framework for Vertical Privacy-preserving Machine Learning
von: Chen, Shuyu, et al.
Veröffentlicht: (2025)

Correction to Local Information Privacy and Its Applications to Data Aggregation
von: Jiang, Bo, et al.
Veröffentlicht: (2024)

SLAP: Secure Location-proof and Anonymous Privacy-preserving Spectrum Access
von: Darzi, Saleh, et al.
Veröffentlicht: (2025)

Privacy-preserving Federated Learning based on Multi-key Homomorphic Encryption
von: Ma, Jing, et al.
Veröffentlicht: (2021)

GTree: GPU-Friendly Privacy-preserving Decision Tree Training and Inference
von: Wang, Qifan, et al.
Veröffentlicht: (2023)

Secure Outsourced Decryption for FHE-based Privacy-preserving Cloud Computing
von: Ma, Xirong, et al.
Veröffentlicht: (2024)

Quantum-Secure Certificate-Less Conditional Privacy-Preserving Authentication for VANET
von: Verma, Girraj Kumar, et al.
Veröffentlicht: (2024)

Privacy for Quantum Annealing. Attack on Spin Reversal Transformations in the case of cryptanalysis
von: Leśniak, Mateusz, et al.
Veröffentlicht: (2024)

Bicoptor: Two-round Secure Three-party Non-linear Computation without Preprocessing for Privacy-preserving Machine Learning
von: Zhou, Lijing, et al.
Veröffentlicht: (2022)

EByFTVeS: Efficient Byzantine Fault Tolerant-based Verifiable Secret-sharing in Distributed Privacy-preserving Machine Learning
von: Li, Zhen, et al.
Veröffentlicht: (2025)

Privacy-preserving Blockchain-enabled Parametric Insurance via Remote Sensing and IoT
von: Hao, Mingyu, et al.
Veröffentlicht: (2023)

Harnessing Inherent Noises for Privacy Preservation in Quantum Machine Learning
von: Ju, Keyi, et al.
Veröffentlicht: (2023)

VPAS: Publicly Verifiable and Privacy-Preserving Aggregate Statistics on Distributed Datasets
von: Alghazwi, Mohammed, et al.
Veröffentlicht: (2024)

RAIN: Secure and Robust Aggregation under Shuffle Model of Differential Privacy
von: Li, Yuhang, et al.
Veröffentlicht: (2026)

Evaluation of Privacy-aware Support Vector Machine (SVM) Learning using Homomorphic Encryption
von: Buchanan, William J, et al.
Veröffentlicht: (2025)

Towards A Hybrid Quantum Differential Privacy
von: Song, Baobao, et al.
Veröffentlicht: (2025)

Privacy-preserving Prompt Personalization in Federated Learning for Multimodal Large Language Models
von: Hou, Sizai, et al.
Veröffentlicht: (2025)