Buchumschlag

PriFFT: Privacy-preserving Federated Fine-tuning of Large Language Models via Hybrid Secret Sharing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	You, Zhichao, Dong, Xuewen, Cheng, Ke, Mu, Xutong, Fu, Jiaxuan, Ma, Shiyang, Qu, Qiang, Shen, Yulong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Local Differential Privacy is Not Enough: A Sample Reconstruction Attack against Federated Learning with Local Differential Privacy
von: You, Zhichao, et al.
Veröffentlicht: (2025)

Adaptive Backdoor Attacks with Reasonable Constraints on Graph Neural Networks
von: Dong, Xuewen, et al.
Veröffentlicht: (2025)

When Convenience Becomes Risk: A Semantic View of Under-Specification in Host-Acting Agents
von: Lu, Di, et al.
Veröffentlicht: (2026)

PriRoAgg: Achieving Robust Model Aggregation with Minimum Privacy Leakage for Federated Learning
von: Hou, Sizai, et al.
Veröffentlicht: (2024)

Share Secrets for Privacy: Confidential Forecasting with Vertical Federated Learning
von: Shankar, Aditya, et al.
Veröffentlicht: (2024)

FedAttr: Towards Privacy-preserving Client-Level Attribution in Federated LLM Fine-tuning
von: Zhang, Su, et al.
Veröffentlicht: (2026)

Sharing The Secret: Distributed Privacy-Preserving Monitoring
von: Karimi, Mahyar, et al.
Veröffentlicht: (2026)

Guarding Multiple Secrets: Enhanced Summary Statistic Privacy for Data Sharing
von: Wang, Shuaiqi, et al.
Veröffentlicht: (2024)

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

PriPL-Tree: Accurate Range Query for Arbitrary Distribution under Local Differential Privacy
von: Wang, Leixia, et al.
Veröffentlicht: (2024)

Enhancing Privacy of Spatiotemporal Federated Learning against Gradient Inversion Attacks
von: Zheng, Lele, et al.
Veröffentlicht: (2024)

Publicly Verifiable Private Information Retrieval Protocols Based on Function Secret Sharing
von: Zhu, Lin, et al.
Veröffentlicht: (2025)

Secret Sharing with Certified Deletion
von: Bartusek, James, et al.
Veröffentlicht: (2024)

Verifiable Weighted Secret Sharing
von: Shehata, Kareem, et al.
Veröffentlicht: (2025)

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

PriMod4AI: Lifecycle-Aware Privacy Threat Modeling for AI Systems using LLM
von: Savaliya, Gautam, et al.
Veröffentlicht: (2026)

FewFedPIT: Towards Privacy-preserving and Few-shot Federated Instruction Tuning
von: Zhang, Zhuo, et al.
Veröffentlicht: (2024)

Guard-GBDT: Efficient Privacy-Preserving Approximated GBDT Training on Vertical Dataset
von: Song, Anxiao, et al.
Veröffentlicht: (2025)

Unclonable Secret Sharing
von: Ananth, Prabhanjan, et al.
Veröffentlicht: (2024)

Privacy-preserving formal concept analysis: A homomorphic encryption-based concept construction
von: Chen, Qiangqiang, et al.
Veröffentlicht: (2025)

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

A Privacy-Preserving Information-Sharing Protocol for Federated Authentication
von: Buccafurri, Francesco, et al.
Veröffentlicht: (2025)

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

MedBlindTuner: Towards Privacy-preserving Fine-tuning on Biomedical Images with Transformers and Fully Homomorphic Encryption
von: Panzade, Prajwal, et al.
Veröffentlicht: (2024)

A Game-theoretic Framework for Privacy-preserving Federated Learning
von: Zhang, Xiaojin, et al.
Veröffentlicht: (2023)

Threshold Quantum Secret Sharing
von: Sutradhar, Kartick
Veröffentlicht: (2025)

Optimal Computational Secret Sharing
von: Aureliano, Igor L., et al.
Veröffentlicht: (2025)

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

Navigating the Designs of Privacy-Preserving Fine-tuning for Large Language Models
von: Shi, Haonan, et al.
Veröffentlicht: (2025)

Differentially Private Subspace Fine-Tuning for Large Language Models
von: Zheng, Lele, et al.
Veröffentlicht: (2026)

Enabling Privacy-preserving Model Evaluation in Federated Learning via Fully Homomorphic Encryption
von: Baykara, Cem Ata, et al.
Veröffentlicht: (2024)

Secret Sharing on Superconcentrator
von: Li, Yuan
Veröffentlicht: (2023)

Shake to Leak: Fine-tuning Diffusion Models Can Amplify the Generative Privacy Risk
von: Li, Zhangheng, et al.
Veröffentlicht: (2024)

EBCC: Enclave-Backed Confidential Containers via OCI-Compatible Runtime Integration
von: Lu, Di, et al.
Veröffentlicht: (2026)

DDH-based schemes for multi-party Function Secret Sharing
von: Damie, Marc, et al.
Veröffentlicht: (2026)

PINE: Efficient Norm-Bound Verification for Secret-Shared Vectors
von: Rothblum, Guy N., et al.
Veröffentlicht: (2023)

BF-Meta: Secure Blockchain-enhanced Privacy-preserving Federated Learning for Metaverse
von: Liu, Wenbo, et al.
Veröffentlicht: (2024)

CachePrune: Privacy-Aware and Fine-Grained KV Cache Sharing for Efficient LLM Inference
von: Wu, Guanlong, et al.
Veröffentlicht: (2026)

Fine-grained Manipulation Attacks to Local Differential Privacy Protocols for Data Streams
von: Li, Xinyu, et al.
Veröffentlicht: (2025)

Improving LoRA in Privacy-preserving Federated Learning
von: Sun, Youbang, et al.
Veröffentlicht: (2024)