Buchumschlag

A Privacy-Centric Approach: Scalable and Secure Federated Learning Enabled by Hybrid Homomorphic Encryption

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nguyen, Khoa, Khan, Tanveer, Abdinasibfar, Hossein, Michalas, Antonis
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GuardML: Efficient Privacy-Preserving Machine Learning Services Through Hybrid Homomorphic Encryption
von: Frimpong, Eugene, et al.
Veröffentlicht: (2024)

A Pervasive, Efficient and Private Future: Realizing Privacy-Preserving Machine Learning Through Hybrid Homomorphic Encryption
von: Nguyen, Khoa, et al.
Veröffentlicht: (2024)

Split Happens: Combating Advanced Threats with Split Learning and Function Secret Sharing
von: Khan, Tanveer, et al.
Veröffentlicht: (2025)

Wildest Dreams: Reproducible Research in Privacy-preserving Neural Network Training
von: Khan, Tanveer, et al.
Veröffentlicht: (2024)

Make Split, not Hijack: Preventing Feature-Space Hijacking Attacks in Split Learning
von: Khan, Tanveer, et al.
Veröffentlicht: (2024)

Securing Transfer-Learned Networks with Reverse Homomorphic Encryption
von: Allison, Robert, et al.
Veröffentlicht: (2025)

FedML-HE: An Efficient Homomorphic-Encryption-Based Privacy-Preserving Federated Learning System
von: Jin, Weizhao, et al.
Veröffentlicht: (2023)

HETAL: Efficient Privacy-preserving Transfer Learning with Homomorphic Encryption
von: Lee, Seewoo, et al.
Veröffentlicht: (2024)

Preserving Privacy and Security in Federated Learning
von: Nguyen, Truc, et al.
Veröffentlicht: (2022)

Efficient Privacy-Preserving KAN Inference Using Homomorphic Encryption
von: Lai, Zhizheng, et al.
Veröffentlicht: (2024)

AdeptHEQ-FL: Adaptive Homomorphic Encryption for Federated Learning of Hybrid Classical-Quantum Models with Dynamic Layer Sparing
von: Jahin, Md Abrar, et al.
Veröffentlicht: (2025)

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

Comparison of Fully Homomorphic Encryption and Garbled Circuit Techniques in Privacy-Preserving Machine Learning Inference
von: Cheerla, Kalyan, et al.
Veröffentlicht: (2025)

Privacy-Preserving Graph-Based Machine Learning with Fully Homomorphic Encryption for Collaborative Anti-Money Laundering
von: Effendi, Fabrianne, et al.
Veröffentlicht: (2024)

On Homomorphic Encryption Based Strategies for Class Imbalance in Federated Learning
von: Guleria, Arpit, et al.
Veröffentlicht: (2024)

Efficient Pruning for Machine Learning Under Homomorphic Encryption
von: Aharoni, Ehud, et al.
Veröffentlicht: (2022)

Towards Privacy-Preserving Federated Learning using Hybrid Homomorphic Encryption
von: Costa, Ivan, et al.
Veröffentlicht: (2026)

DDP-SA: Scalable Privacy-Preserving Federated Learning via Distributed Differential Privacy and Secure Aggregation
von: Wei, Wenjing, et al.
Veröffentlicht: (2026)

Balancing Security and Accuracy: A Novel Federated Learning Approach for Cyberattack Detection in Blockchain Networks
von: Khoa, Tran Viet, et al.
Veröffentlicht: (2024)

A Multiparty Homomorphic Encryption Approach to Confidential Federated Kaplan Meier Survival Analysis
von: Veeraragavan, Narasimha Raghavan, et al.
Veröffentlicht: (2024)

CHEHAB RL: Learning to Optimize Fully Homomorphic Encryption Computations
von: Sefsaf, Bilel, et al.
Veröffentlicht: (2026)

Secure Multi-Key Homomorphic Encryption with Application to Privacy-Preserving Federated Learning
von: Wu, Jiahui, et al.
Veröffentlicht: (2025)

Homomorphic Encryption-Enabled Federated Learning for Privacy-Preserving Intrusion Detection in Resource-Constrained IoV Networks
von: Manh, Bui Duc, et al.
Veröffentlicht: (2024)

Revisiting ML Training under Fully Homomorphic Encryption: Convergence Guarantees, Differential Privacy, and Efficient Algorithms
von: Zhou, Yvonne, et al.
Veröffentlicht: (2026)

PRISM: Privacy-preserving Inference System with Homomorphic Encryption and Modular Activation
von: Elkhatib, Zeinab, et al.
Veröffentlicht: (2025)

Federated Learning for Cross-Domain Data Privacy: A Distributed Approach to Secure Collaboration
von: Zhang, Yiwei, et al.
Veröffentlicht: (2025)

Privacy-Preserving Federated Learning via Homomorphic Adversarial Networks
von: Dong, Wenhan, et al.
Veröffentlicht: (2024)

Efficient Privacy-Preserving Recommendation on Sparse Data using Fully Homomorphic Encryption
von: Chowdhury, Moontaha Nishat, et al.
Veröffentlicht: (2025)

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

Comments on "Privacy-Enhanced Federated Learning Against Poisoning Adversaries"
von: Schneider, Thomas, et al.
Veröffentlicht: (2024)

Confidential and Protected Disease Classifier using Fully Homomorphic Encryption
von: Malik, Aditya, et al.
Veröffentlicht: (2024)

Efficient Implementation of Reinforcement Learning over Homomorphic Encryption
von: Suh, Jihoon, et al.
Veröffentlicht: (2025)

Practical, Private Assurance of the Value of Collaboration via Fully Homomorphic Encryption
von: Asghar, Hassan Jameel, et al.
Veröffentlicht: (2023)

Oops!... They Stole it Again: Attacks on Split Learning
von: Khan, Tanveer, et al.
Veröffentlicht: (2025)

Secure Aggregation in Federated Learning using Multiparty Homomorphic Encryption
von: Hosseini, Erfan, et al.
Veröffentlicht: (2025)

Securing Private Federated Learning in a Malicious Setting: A Scalable TEE-Based Approach with Client Auditing
von: Takagi, Shun, et al.
Veröffentlicht: (2025)

FuSeFL: Fully Secure and Scalable Federated Learning
von: Ghinani, Sahar Ghoflsaz, et al.
Veröffentlicht: (2025)

FLSSM: A Federated Learning Storage Security Model with Homomorphic Encryption
von: Li, Yang, et al.
Veröffentlicht: (2025)

Private LoRA Fine-tuning of Open-Source LLMs with Homomorphic Encryption
von: Frery, Jordan, et al.
Veröffentlicht: (2025)

TFHE-Coder: Evaluating LLM-agentic Fully Homomorphic Encryption Code Generation
von: Kumar, Mayank, et al.
Veröffentlicht: (2025)