Buchumschlag

Activate Me!: Designing Efficient Activation Functions for Privacy-Preserving Machine Learning with Fully Homomorphic Encryption

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Njungle, Nges Brian, Kinsy, Michel A.
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

FHEON: A Configurable Framework for Developing Privacy-Preserving Neural Networks Using Homomorphic Encryption
von: Njungle, Nges Brian, et al.
Veröffentlicht: (2025)

Towards Deep Encrypted Training: Low-Latency, Memory-Efficient, and High-Throughput Inference for Privacy-Preserving Neural Networks
von: Njungle, Nges Brian, et al.
Veröffentlicht: (2026)

PrivSpike: Employing Homomorphic Encryption for Private Inference of Deep Spiking Neural Networks
von: Njungle, Nges Brian, et al.
Veröffentlicht: (2025)

Prismo: A Decision Support System for Privacy-Preserving ML Framework Selection
von: Njungle, Nges Brian, et al.
Veröffentlicht: (2025)

Gotta Hash 'Em All! Speeding Up Hash Functions for Zero-Knowledge Proof Applications
von: Sheybani, Nojan, et al.
Veröffentlicht: (2025)

DALC-CT: Dynamic Analysis of Low-Level Code Traces for Constant-Time Verification
von: Njungle, Nges Brian, et al.
Veröffentlicht: (2026)

Blind Evaluation Framework for Fully Homomorphic Encryption and Privacy-Preserving Machine Learning
von: Lee, Hunjae "Timothy", et al.
Veröffentlicht: (2023)

AMAZE: Accelerated MiMC Hardware Architecture for Zero-Knowledge Applications on the Edge
von: Ahmed, Anees, et al.
Veröffentlicht: (2024)

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

Efficient and Privacy-Preserving Federated Learning based on Full Homomorphic Encryption
von: Guo, Yuqi, et al.
Veröffentlicht: (2024)

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

Outsourced Privacy-Preserving Feature Selection Based on Fully Homomorphic Encryption
von: Wakiyama, Koki, et al.
Veröffentlicht: (2025)

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

Multimodal Privacy-Preserving Entity Resolution with Fully Homomorphic Encryption
von: Roy, Susim, et al.
Veröffentlicht: (2026)

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

Efficient Privacy-Preserving Cross-Silo Federated Learning with Multi-Key Homomorphic Encryption
von: Omar, Abdullah Al, et al.
Veröffentlicht: (2025)

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

FheFL: Fully Homomorphic Encryption Friendly Privacy-Preserving Federated Learning with Byzantine Users
von: Rahulamathavan, Yogachandran, et al.
Veröffentlicht: (2023)

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

Efficient Privacy-Preserving Sparse Matrix-Vector Multiplication Using Homomorphic Encryption
von: Gao, Yang, et al.
Veröffentlicht: (2026)

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

Lancelot: Towards Efficient and Privacy-Preserving Byzantine-Robust Federated Learning within Fully Homomorphic Encryption
von: Jiang, Siyang, et al.
Veröffentlicht: (2024)

Efficient Quantum Fully Homomorphic Encryption
von: Liu, Fengxia, et al.
Veröffentlicht: (2026)

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

Enhancing Noisy Functional Encryption for Privacy-Preserving Machine Learning
von: Scheu-Hachtel, Linda, et al.
Veröffentlicht: (2025)

HHEML: Hybrid Homomorphic Encryption for Privacy-Preserving Machine Learning on Edge
von: Chan, Yu Hin, et al.
Veröffentlicht: (2025)

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

PP-STAT: An Efficient Privacy-Preserving Statistical Analysis Framework using Homomorphic Encryption
von: Choi, Hyunmin
Veröffentlicht: (2025)

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

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

Energy Consumption of TLS, Searchable Encryption and Fully Homomorphic Encryption
von: Damie, Marc, et al.
Veröffentlicht: (2025)

BlindFL: Segmented Federated Learning with Fully Homomorphic Encryption
von: Gronberg, Evan, et al.
Veröffentlicht: (2025)

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

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

Design and Optimization of Cloud Native Homomorphic Encryption Workflows for Privacy-Preserving ML Inference
von: Bollikonda, Tejaswini
Veröffentlicht: (2025)

Evaluation of Privacy-aware Support Vector Machine (SVM) Learning using Homomorphic Encryption
von: Buchanan, William J, et al.
Veröffentlicht: (2025)

A Privacy-Preserving Federated Learning Method with Homomorphic Encryption in Omics Data
von: Negoya, Yusaku, et al.
Veröffentlicht: (2025)

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

Arbitrary-Threshold Fully Homomorphic Encryption with Lower Complexity
von: Chang, Yijia, et al.
Veröffentlicht: (2025)

REED: Chiplet-Based Accelerator for Fully Homomorphic Encryption
von: Aikata, Aikata, et al.
Veröffentlicht: (2023)