Buchumschlag

Efficient Privacy-Preserving Recommendation on Sparse Data using Fully Homomorphic Encryption

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chowdhury, Moontaha Nishat, Bauer, André, Zhou, Minxuan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

I can't see it but I can Fine-tune it: On Encrypted Fine-tuning of Transformers using Fully Homomorphic Encryption
von: Panzade, Prajwal, et al.
Veröffentlicht: (2024)

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

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

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

Federated Learning with Quantum Computing and Fully Homomorphic Encryption: A Novel Computing Paradigm Shift in Privacy-Preserving ML
von: Dutta, Siddhant, 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)

A Privacy-Preserving Federated Learning Method with Homomorphic Encryption in Omics Data
von: Negoya, Yusaku, 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)

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

Optimized Layerwise Approximation for Efficient Private Inference on Fully Homomorphic Encryption
von: Lee, Junghyun, et al.
Veröffentlicht: (2023)

TeleSparse: Practical Privacy-Preserving Verification of Deep Neural Networks
von: Maheri, Mohammad M, et al.
Veröffentlicht: (2025)

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

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

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

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

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

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

Data-Free Privacy-Preserving for LLMs via Model Inversion and Selective Unlearning
von: Zhou, Xinjie, et al.
Veröffentlicht: (2026)

Training Machine Learning Models on Encrypted Data: A Privacy-Preserving Framework using Homomorphic Encryption
von: Marques, Alexandre, et al.
Veröffentlicht: (2026)

KIPPS: Knowledge infusion in Privacy Preserving Synthetic Data Generation
von: Kotal, Anantaa, et al.
Veröffentlicht: (2024)

Privacy-Preserving Heterogeneous Federated Learning for Sensitive Healthcare Data
von: Xu, Yukai, et al.
Veröffentlicht: (2024)

ACU: Analytic Continual Unlearning for Efficient and Exact Forgetting with Privacy Preservation
von: Tang, Jianheng, et al.
Veröffentlicht: (2025)

Privacy-Preserving Intrusion Detection using Convolutional Neural Networks
von: Kodys, Martin, et al.
Veröffentlicht: (2024)

CADRE: Customizable Assurance of Data Readiness in Privacy-Preserving Federated Learning
von: Hiniduma, Kaveen, et al.
Veröffentlicht: (2025)

Towards Privacy-Preserving Data-Driven Education: The Potential of Federated Learning
von: Khalil, Mohammad, et al.
Veröffentlicht: (2025)

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

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

Privacy-Preserving Data Sharing in Agriculture: Enforcing Policy Rules for Secure and Confidential Data Synthesis
von: Kotal, Anantaa, et al.
Veröffentlicht: (2023)

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

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

Privacy-Preserving Dynamic Assortment Selection
von: Cho, Young Hyun, et al.
Veröffentlicht: (2024)

Fully Homomorphic Encryption on Llama 3 model for privacy preserving LLM inference
von: Abdennebi, Anes, et al.
Veröffentlicht: (2026)

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

RL-Finetuned LLMs for Privacy-Preserving Synthetic Rewriting
von: Shi, Zhan, et al.
Veröffentlicht: (2025)

Privacy-Preserving in Blockchain-based Federated Learning Systems
von: M., Sameera K., et al.
Veröffentlicht: (2024)

Privacy Preserving Federated Learning with Convolutional Variational Bottlenecks
von: Scheliga, Daniel, et al.
Veröffentlicht: (2023)

LIA: Privacy-Preserving Data Quality Evaluation in Federated Learning Using a Lazy Influence Approximation
von: Rokvic, Ljubomir, et al.
Veröffentlicht: (2022)