Buchumschlag

Private Collaborative Edge Inference via Over-the-Air Computation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yilmaz, Selim F., Hasircioglu, Burak, Qiao, Li, Gunduz, Deniz
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Cryptography and Security Information Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Vicious Classifiers: Assessing Inference-time Data Reconstruction Risk in Edge Computing
von: Malekzadeh, Mohammad, et al.
Veröffentlicht: (2022)

Multi-hop Deep Joint Source-Channel Coding with Deep Hash Distillation for Semantically Aligned Image Recovery
von: Bergström, Didrik, et al.
Veröffentlicht: (2025)

PROPS: Progressively Private Self-alignment of Large Language Models
von: Teku, Noel, et al.
Veröffentlicht: (2025)

Differentially Private Over-the-Air Federated Learning Over MIMO Fading Channels
von: Liu, Hang, et al.
Veröffentlicht: (2023)

Learning to Interfere in Non-Orthogonal Multiple-Access Joint Source-Channel Coding
von: Yilmaz, Selim F., et al.
Veröffentlicht: (2025)

Over-the-Air Collaborative Inference with Feature Differential Privacy
von: Seif, Mohamed, et al.
Veröffentlicht: (2024)

Joint Interference Detection and Identification via Adversarial Multi-task Learning
von: Xu, H., et al.
Veröffentlicht: (2026)

Edge Private Graph Neural Networks with Singular Value Perturbation
von: Tang, Tingting, et al.
Veröffentlicht: (2024)

Spectrum Breathing: Protecting Over-the-Air Federated Learning Against Interference
von: Wang, Zhanwei, et al.
Veröffentlicht: (2023)

Adversary-Aware Private Inference over Wireless Channels
von: Seif, Mohamed, et al.
Veröffentlicht: (2025)

Comet: A Communication-efficient and Performant Approximation for Private Transformer Inference
von: Xu, Xiangrui, et al.
Veröffentlicht: (2024)

Backdoor Attack against One-Class Sequential Anomaly Detection Models
von: Cheng, He, et al.
Veröffentlicht: (2024)

Bayes' capacity as a measure for reconstruction attacks in federated learning
von: Biswas, Sayan, et al.
Veröffentlicht: (2024)

Optimality of Staircase Mechanisms for Vector Queries under Differential Privacy
von: Melbourne, James, et al.
Veröffentlicht: (2026)

Collaborative Inference over Wireless Channels with Feature Differential Privacy
von: Seif, Mohamed, et al.
Veröffentlicht: (2024)

Sample-Optimal Locally Private Hypothesis Selection and the Provable Benefits of Interactivity
von: Pour, Alireza F., et al.
Veröffentlicht: (2023)

Universal Exact Compression of Differentially Private Mechanisms
von: Liu, Yanxiao, et al.
Veröffentlicht: (2024)

Beyond Covariance Matrix: The Statistical Complexity of Private Linear Regression
von: Chen, Fan, et al.
Veröffentlicht: (2025)

Linearizing Models for Efficient yet Robust Private Inference
von: Sarkar, Sreetama, et al.
Veröffentlicht: (2024)

Forgetting-MarI: LLM Unlearning via Marginal Information Regularization
von: Xu, Shizhou, et al.
Veröffentlicht: (2025)

OD-Stega: LLM-Based Relatively Secure Steganography via Optimized Distributions
von: Huang, Yu-Shin, et al.
Veröffentlicht: (2024)

Differentially Private Fair Binary Classifications
von: Ghoukasian, Hrad, et al.
Veröffentlicht: (2024)

Subset-Based Instance Optimality in Private Estimation
von: Dick, Travis, et al.
Veröffentlicht: (2023)

Straggler-Resilient Differentially-Private Decentralized Learning
von: Yakimenka, Yauhen, et al.
Veröffentlicht: (2022)

Provable Differentially Private Computation of the Cross-Attention Mechanism
von: Ke, Yekun, et al.
Veröffentlicht: (2024)

Clients Collaborate: Flexible Differentially Private Federated Learning with Guaranteed Improvement of Utility-Privacy Trade-off
von: Li, Yuecheng, et al.
Veröffentlicht: (2024)

Privacy-Preserving Federated Learning with Differentially Private Hyperdimensional Computing
von: Piran, Fardin Jalil, et al.
Veröffentlicht: (2024)

Optimal Guarantees for Auditing Rényi Differentially Private Machine Learning
von: Kim, Benjamin D., et al.
Veröffentlicht: (2026)

Correlated Privacy Mechanisms for Differentially Private Distributed Mean Estimation
von: Vithana, Sajani, et al.
Veröffentlicht: (2024)

GeoClip: Geometry-Aware Clipping for Differentially Private SGD
von: Gilani, Atefeh, et al.
Veröffentlicht: (2025)

Trusted Machine Learning Models Unlock Private Inference for Problems Currently Infeasible with Cryptography
von: Shumailov, Ilia, et al.
Veröffentlicht: (2025)

Explainable Semantic Federated Learning Enabled Industrial Edge Network for Fire Surveillance
von: Dong, Li, et al.
Veröffentlicht: (2024)

Learned Digital Codes for Over-the-Air Computation in Federated Edge Learning
von: Tarizzo, Antonio, et al.
Veröffentlicht: (2025)

Safeguarding Data in Multimodal AI: A Differentially Private Approach to CLIP Training
von: Huang, Alyssa, et al.
Veröffentlicht: (2023)

Differentially Private Distributed Inference
von: Papachristou, Marios, et al.
Veröffentlicht: (2024)

Privacy-Preserving Semantic Communications via Multi-Task Learning and Adversarial Perturbations
von: Sagduyu, Yalin E., et al.
Veröffentlicht: (2025)

HCL-MTSAD: Hierarchical Contrastive Consistency Learning for Accurate Detection of Industrial Multivariate Time Series Anomalies
von: Sun, Haili, et al.
Veröffentlicht: (2024)

Feedback Lunch: Learned Feedback Codes for Secure Communications
von: Zhou, Yingyao, et al.
Veröffentlicht: (2025)

Federated Inference: Toward Privacy-Preserving Collaborative and Incentivized Model Serving
von: Seo, Jungwon, et al.
Veröffentlicht: (2026)

Inference Privacy: Properties and Mechanisms
von: Tian, Fengwei, et al.
Veröffentlicht: (2024)