Buchumschlag

AERO: Entropy-Guided Framework for Private LLM Inference

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jha, Nandan Kumar, Reagen, Brandon
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Entropy-Guided Attention for Private LLMs
von: Jha, Nandan Kumar, et al.
Veröffentlicht: (2025)

DeepReShape: Redesigning Neural Networks for Efficient Private Inference
von: Jha, Nandan Kumar, et al.
Veröffentlicht: (2023)

TruncFormer: Private LLM Inference Using Only Truncations
von: Yubeaton, Patrick, et al.
Veröffentlicht: (2024)

Network and Compiler Optimizations for Efficient Linear Algebra Kernels in Private Transformer Inference
von: Garimella, Karthik, et al.
Veröffentlicht: (2025)

Cascade: Token-Sharded Private LLM Inference
von: Thomas, Rahul, et al.
Veröffentlicht: (2025)

NerVE: Nonlinear Eigenspectrum Dynamics in LLM Feed-Forward Networks
von: Jha, Nandan Kumar, et al.
Veröffentlicht: (2026)

HE-LRM: Efficient Private Embedding Lookups for Neural Inference Using Fully Homomorphic Encryption
von: Garimella, Karthik, et al.
Veröffentlicht: (2025)

A Random Matrix Theory Perspective on the Learning Dynamics of Multi-head Latent Attention
von: Jha, Nandan Kumar, et al.
Veröffentlicht: (2025)

Same Architecture, Different Capacity: Optimizer-Induced Spectral Scaling Laws
von: Jha, Nandan Kumar, et al.
Veröffentlicht: (2026)

Noise-Aware Differentially Private Variational Inference
von: Alrawajfeh, Talal, et al.
Veröffentlicht: (2024)

Orion: A Fully Homomorphic Encryption Framework for Deep Learning
von: Ebel, Austin, et al.
Veröffentlicht: (2023)

Secure Aggregation is Not Private Against Membership Inference Attacks
von: Ngo, Khac-Hoang, et al.
Veröffentlicht: (2024)

CipherPrune: Efficient and Scalable Private Transformer Inference
von: Zhang, Yancheng, et al.
Veröffentlicht: (2025)

ReLU's Revival: On the Entropic Overload in Normalization-Free Large Language Models
von: Jha, Nandan Kumar, et al.
Veröffentlicht: (2024)

Spectral Scaling Laws in Language Models: How Effectively Do Feed-Forward Networks Use Their Latent Space?
von: Jha, Nandan Kumar, et al.
Veröffentlicht: (2025)

Osiris: A Systolic Approach to Accelerating Fully Homomorphic Encryption
von: Ebel, Austin, et al.
Veröffentlicht: (2024)

xMLP: Revolutionizing Private Inference with Exclusive Square Activation
von: Li, Jiajie, et al.
Veröffentlicht: (2024)

Practical and Private Hybrid ML Inference with Fully Homomorphic Encryption
von: Biswas, Sayan, et al.
Veröffentlicht: (2025)

RobPI: Robust Private Inference against Malicious Client
von: Xue, Jiaqi, et al.
Veröffentlicht: (2026)

Differentially Private Covariate Balancing Causal Inference
von: Ohnishi, Yuki, et al.
Veröffentlicht: (2024)

An Attack to Break Permutation-Based Private Third-Party Inference Schemes for LLMs
von: Thomas, Rahul, et al.
Veröffentlicht: (2025)

Fast and Private Inference of Deep Neural Networks by Co-designing Activation Functions
von: Diaa, Abdulrahman, et al.
Veröffentlicht: (2023)

AdaPI: Facilitating DNN Model Adaptivity for Efficient Private Inference in Edge Computing
von: Zhou, Tong, et al.
Veröffentlicht: (2024)

GNNBleed: Inference Attacks to Unveil Private Edges in Graphs with Realistic Access to GNN Models
von: Song, Zeyu, et al.
Veröffentlicht: (2023)

DeepShare: Sharing ReLU Across Channels and Layers for Efficient Private Inference
von: Bornfeld, Yonathan, et al.
Veröffentlicht: (2025)

NeuJeans: Private Neural Network Inference with Joint Optimization of Convolution and FHE Bootstrapping
von: Ju, Jae Hyung, et al.
Veröffentlicht: (2023)

Dash: Accelerating Distributed Private Convolutional Neural Network Inference with Arithmetic Garbled Circuits
von: Sander, Jonas, et al.
Veröffentlicht: (2023)

NoEsis: Differentially Private Knowledge Transfer in Modular LLM Adaptation
von: Romijnders, Rob, et al.
Veröffentlicht: (2025)

FHE-Agent: Automating CKKS Configuration for Practical Encrypted Inference via an LLM-Guided Agentic Framework
von: Xu, Nuo, et al.
Veröffentlicht: (2025)

Adversarial Attacks on Locally Private Graph Neural Networks
von: Varun, Matta, et al.
Veröffentlicht: (2026)

Order of Magnitude Speedups for LLM Membership Inference
von: Zhang, Rongting, et al.
Veröffentlicht: (2024)

A Generative Framework for Low-Cost Result Validation of Machine Learning-as-a-Service Inference
von: Kumar, Abhinav, et al.
Veröffentlicht: (2023)

Verifying LLM Inference to Detect Model Weight Exfiltration
von: Rinberg, Roy, et al.
Veröffentlicht: (2025)

What Really is a Member? Discrediting Membership Inference via Poisoning
von: Mangaokar, Neal, et al.
Veröffentlicht: (2025)

Privately Learning Decision Lists and a Differentially Private Winnow
von: Bun, Mark, et al.
Veröffentlicht: (2026)

When AI Defeats Password Deception! A Deep Learning Framework to Distinguish Passwords and Honeywords
von: Dani, Jimmy, et al.
Veröffentlicht: (2024)

EinHops: Einsum Notation for Expressive Homomorphic Operations on RNS-CKKS Tensors
von: Garimella, Karthik, et al.
Veröffentlicht: (2025)

Scaling Laws for Differentially Private Language Models
von: McKenna, Ryan, et al.
Veröffentlicht: (2025)

DictPFL: Efficient and Private Federated Learning on Encrypted Gradients
von: Xue, Jiaqi, et al.
Veröffentlicht: (2025)

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