Buchumschlag

Multi-Layer Privacy-Preserving Record Linkage with Clerical Review based on gradual information disclosure

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rohde, Florens, Christen, Victor, Franke, Martin, Rahm, Erhard
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Databases Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Split Learning-based Privacy-Preserving Record Linkage
von: Zervas, Michail, et al.
Veröffentlicht: (2024)

Learning from Anonymized and Incomplete Tabular Data
von: Lange, Lucas, et al.
Veröffentlicht: (2026)

Assessing the Impact of Image Dataset Features on Privacy-Preserving Machine Learning
von: Lange, Lucas, et al.
Veröffentlicht: (2024)

Accelerating Privacy-Preserving Medical Record Linkage: A Three-Party MPC Approach
von: Mağara, Şeyma Selcan, et al.
Veröffentlicht: (2024)

Privacy-Preserved Neural Graph Databases
von: Hu, Qi, et al.
Veröffentlicht: (2023)

Information Leakage in Data Linkage
von: Christen, Peter, et al.
Veröffentlicht: (2025)

Generating Synthetic Health Sensor Data for Privacy-Preserving Wearable Stress Detection
von: Lange, Lucas, et al.
Veröffentlicht: (2024)

Graph-based Active Learning for Entity Cluster Repair
von: Christen, Victor, et al.
Veröffentlicht: (2024)

A Review of Privacy Metrics for Privacy-Preserving Synthetic Data Generation
von: Trudslev, Frederik Marinus, et al.
Veröffentlicht: (2025)

VeriX-Anon: A Multi-Layered Framework for Mathematically Verifiable Outsourced Target-Driven Data Anonymization
von: Daga, Miit, et al.
Veröffentlicht: (2026)

Privacy in Practice: Private COVID-19 Detection in X-Ray Images (Extended Version)
von: Lange, Lucas, et al.
Veröffentlicht: (2022)

Differentially Private Selection using Smooth Sensitivity
von: Chaves, Iago, et al.
Veröffentlicht: (2025)

Leveraging large language models for SQL behavior-based database intrusion detection
von: Shlezinger, Meital, et al.
Veröffentlicht: (2025)

Privacy-Preserving Screening for Record Linkage
von: Huang, Chenyu, et al.
Veröffentlicht: (2026)

User-Controlled Privacy-Preserving User Profile Data Sharing based on Blockchain
von: Shrestha, Ajay Kumar, et al.
Veröffentlicht: (2019)

Privacy-Preserving Data Management using Blockchains
von: Kwakye, Michael Mireku
Veröffentlicht: (2024)

Privacy-Preserving 3-Layer Neural Network Training
von: Chiang, John
Veröffentlicht: (2023)

Privately Answering Queries on Skewed Data via Per Record Differential Privacy
von: Seeman, Jeremy, et al.
Veröffentlicht: (2023)

Slice it up: Unmasking User Identities in Smartwatch Health Data
von: Lange, Lucas, et al.
Veröffentlicht: (2023)

MongoDB Injection Query Classification Model using MongoDB Log files as Training Data
von: Perni, Shaunak, et al.
Veröffentlicht: (2026)

DPSQL+: A Differentially Private SQL Library with a Minimum Frequency Rule
von: Matsumoto, Tomoya, et al.
Veröffentlicht: (2026)

FERMI: Exploiting Relations for Membership Inference Against Tabular Diffusion Models
von: Mahyar, Abtin, et al.
Veröffentlicht: (2026)

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

Differentially Private Synthetic Data Generation for Relational Databases
von: Alimohammadi, Kaveh, et al.
Veröffentlicht: (2024)

Supersonic OT: Fast Unconditionally Secure Oblivious Transfer
von: Abadi, Aydin, et al.
Veröffentlicht: (2024)

CryptoTrain: Fast Secure Training on Encrypted Dataset
von: Xue, Jiaqi, et al.
Veröffentlicht: (2024)

TabularMark: Watermarking Tabular Datasets for Machine Learning
von: Zheng, Yihao, et al.
Veröffentlicht: (2024)

Systematic Assessment of Tabular Data Synthesis
von: Du, Yuntao, et al.
Veröffentlicht: (2024)

Differentially Private Learned Indexes
von: Du, Jianzhang, et al.
Veröffentlicht: (2024)

Preventing the Popular Item Embedding Based Attack in Federated Recommendations
von: Zhang, Jun, et al.
Veröffentlicht: (2025)

Enhancing Data Provenance and Model Transparency in Federated Learning Systems -- A Database Approach
von: Gu, Michael, et al.
Veröffentlicht: (2024)

ResidualPlanner+: a scalable matrix mechanism for marginals and beyond
von: Xiao, Yingtai, et al.
Veröffentlicht: (2023)

Privacy-Preserving Generative Modeling and Clinical Validation of Longitudinal Health Records for Chronic Disease
von: Ballyk, Benjamin D., et al.
Veröffentlicht: (2025)

Federated Learning With Individualized Privacy Through Client Sampling
von: Lange, Lucas, et al.
Veröffentlicht: (2025)

Privacy-Preserving Data Linkage Across Private and Public Datasets for Collaborative Agriculture Research
von: Zafar, Osama, et al.
Veröffentlicht: (2024)

Towards Privacy-Preserving Range Queries with Secure Learned Spatial Index over Encrypted Data
von: Wang, Zuan, et al.
Veröffentlicht: (2025)

Privacy Preserving Machine Learning for Electronic Health Records using Federated Learning and Differential Privacy
von: Ganadily, Naif A., et al.
Veröffentlicht: (2024)

Immersion and Invariance-based Coding for Privacy-Preserving Federated Learning
von: Hayati, Haleh, et al.
Veröffentlicht: (2024)

A Novel Review of Stability Techniques for Improved Privacy-Preserving Machine Learning
von: DuPlessie, Coleman, et al.
Veröffentlicht: (2024)

Enhanced Privacy Bound for Shuffle Model with Personalized Privacy
von: Liu, Yixuan, et al.
Veröffentlicht: (2024)