:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Guoshenghui, Song, Eric
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2412.06113
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

PrivacyRestore: Privacy-Preserving Inference in Large Language Models via Privacy Removal and Restoration
von: Zeng, Ziqian, et al.
Veröffentlicht: (2024)

Privacy Preservation in Gen AI Applications
von: S, Swetha, et al.
Veröffentlicht: (2025)

Federated Large Language Models: Feasibility, Robustness, Security and Future Directions
von: Jiang, Wenhao, et al.
Veröffentlicht: (2025)

Towards Privacy-Preserving Large Language Model: Text-free Inference Through Alignment and Adaptation
von: Yoon, Jeongho, et al.
Veröffentlicht: (2026)

RewardDS: Privacy-Preserving Fine-Tuning for Large Language Models via Reward Driven Data Synthesis
von: Wang, Jianwei, et al.
Veröffentlicht: (2025)

LLM-PBE: Assessing Data Privacy in Large Language Models
von: Li, Qinbin, et al.
Veröffentlicht: (2024)

Towards Privacy-Preserving and Personalized Smart Homes via Tailored Small Language Models
von: Huang, Xinyu, et al.
Veröffentlicht: (2025)

Privacy Challenges and Solutions in Retrieval-Augmented Generation-Enhanced LLMs for Healthcare Chatbots: A Review of Applications, Risks, and Future Directions
von: Guan, Shaowei, et al.
Veröffentlicht: (2025)

Privacy-Preserving, Dropout-Resilient Aggregation in Decentralized Learning
von: Ghavamipour, Ali Reza, et al.
Veröffentlicht: (2024)

Privacy-Preserving Aggregation for Decentralized Learning with Byzantine-Robustness
von: Ghavamipour, Ali Reza, et al.
Veröffentlicht: (2024)

Privacy-Preserving Diffusion Model Using Homomorphic Encryption
von: Chen, Yaojian, et al.
Veröffentlicht: (2024)

SoK: Semantic Privacy in Large Language Models
von: Ma, Baihe, et al.
Veröffentlicht: (2025)

Privacy-Preserving LLMs Routing
von: Wu, Xidong, et al.
Veröffentlicht: (2026)

FedRW: Efficient Privacy-Preserving Data Reweighting for Enhancing Federated Learning of Language Models
von: Ye, Pukang, et al.
Veröffentlicht: (2025)

Federated Foundation Models: Privacy-Preserving and Collaborative Learning for Large Models
von: Yu, Sixing, et al.
Veröffentlicht: (2023)

Efficient Privacy-Preserving Retrieval Augmented Generation with Distance-Preserving Encryption
von: Ye, Huanyi, et al.
Veröffentlicht: (2026)

A Survey: Towards Privacy and Security in Mobile Large Language Models
von: Xu, Honghui, et al.
Veröffentlicht: (2025)

Model Context Protocol (MCP): Landscape, Security Threats, and Future Research Directions
von: Hou, Xinyi, et al.
Veröffentlicht: (2025)

Privacy-Preserving Decentralized AI with Confidential Computing
von: Lee, Dayeol, et al.
Veröffentlicht: (2024)

User Behavior Analysis in Privacy Protection with Large Language Models: A Study on Privacy Preferences with Limited Data
von: Yang, Haowei, et al.
Veröffentlicht: (2025)

Privacy-Preserving Decentralized Federated Learning via Explainable Adaptive Differential Privacy
von: Piran, Fardin Jalil, et al.
Veröffentlicht: (2025)

PrivTune: Efficient and Privacy-Preserving Fine-Tuning of Large Language Models via Device-Cloud Collaboration
von: Liu, Yi, et al.
Veröffentlicht: (2025)

Privacy Auditing of Large Language Models
von: Panda, Ashwinee, et al.
Veröffentlicht: (2025)

Doxing via the Lens: Revealing Location-related Privacy Leakage on Multi-modal Large Reasoning Models
von: Luo, Weidi, et al.
Veröffentlicht: (2025)

Optimizing Privacy-Preserving Primitives to Support LLM-Scale Applications
von: Jandali, Yaman, et al.
Veröffentlicht: (2025)

PRSI: Privacy-Preserving Recommendation Model Based on Vector Splitting and Interactive Protocols
von: Cao, Xiaokai, et al.
Veröffentlicht: (2024)

Measuring Physical-World Privacy Awareness of Large Language Models: An Evaluation Benchmark
von: Shen, Xinjie, et al.
Veröffentlicht: (2025)

Preserving Privacy in Large Language Models: A Survey on Current Threats and Solutions
von: Miranda, Michele, et al.
Veröffentlicht: (2024)

No Free Lunch Theorem for Privacy-Preserving LLM Inference
von: Zhang, Xiaojin, et al.
Veröffentlicht: (2024)

Differential Privacy Mechanisms in Neural Tangent Kernel Regression
von: Gu, Jiuxiang, et al.
Veröffentlicht: (2024)

Towards Privacy-Preserving Code Generation: Differentially Private Code Language Models
von: Catal, Melih, et al.
Veröffentlicht: (2025)

Security in the Fine-Tuning Lifecycle of Large Language Models: Threats, Defenses,Evaluation, and Future Directions
von: Li, Wenjuan, et al.
Veröffentlicht: (2026)

Beyond Data Privacy: New Privacy Risks for Large Language Models
von: Du, Yuntao, et al.
Veröffentlicht: (2025)

Casper: Prompt Sanitization for Protecting User Privacy in Web-Based Large Language Models
von: Chong, Chun Jie, et al.
Veröffentlicht: (2024)

A Survey on Large Language Model (LLM) Security and Privacy: The Good, the Bad, and the Ugly
von: Yao, Yifan, et al.
Veröffentlicht: (2023)

Ablating Safety: Mechanisms for Removing Alignment in Language Models for Security Applications
von: David, Isaac, et al.
Veröffentlicht: (2026)

A Quantization-based Technique for Privacy Preserving Distributed Learning
von: Colombo, Maurizio, et al.
Veröffentlicht: (2024)

TAPFed: Threshold Secure Aggregation for Privacy-Preserving Federated Learning
von: Xu, Runhua, et al.
Veröffentlicht: (2025)

NOIR: Privacy-Preserving Generation of Code with Open-Source LLMs
von: Nguyen, Khoa, et al.
Veröffentlicht: (2026)

Privacy Preserving Machine Learning Workflow: from Anonymization to Personalized Differential Privacy Budgets in Federated Learning
von: Díaz, Judith Sáinz-Pardo, et al.
Veröffentlicht: (2026)