Buchumschlag

HHEML: Hybrid Homomorphic Encryption for Privacy-Preserving Machine Learning on Edge

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chan, Yu Hin, Yang, Hao, Shen, Shiyu, Fan, Xingyu, Lyu, Shengzhe, Hung, Patrick S. Y., Cheung, Ray C. C.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Privacy-Preserving Data Processing in Cloud : From Homomorphic Encryption to Federated Analytics
von: Sarraf, Gaurav, et al.
Veröffentlicht: (2026)

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

Homomorphic Encryption in Healthcare Industry Applications for Protecting Data Privacy
von: Rauthan, J. S.
Veröffentlicht: (2025)

A Privacy-Preserving Machine Learning Framework for Edge Intelligence: An Empirical Analysis
von: Trieu, Quoc Lap, et al.
Veröffentlicht: (2026)

Dataflow-Oriented Classification and Performance Analysis of GPU-Accelerated Homomorphic Encryption
von: Nozaki, Ai, et al.
Veröffentlicht: (2026)

SHE-LoRA: Selective Homomorphic Encryption for Federated Tuning with Heterogeneous LoRA
von: Liu, Jianmin, et al.
Veröffentlicht: (2025)

The Future of Fully Homomorphic Encryption System: from a Storage I/O Perspective
von: Chen, Lei, et al.
Veröffentlicht: (2025)

Parallel Collaborative ADMM Privacy Computing and Adaptive GPU Acceleration for Distributed Edge Networks
von: Xia, Mengchun, et al.
Veröffentlicht: (2026)

HERL: Tiered Federated Learning with Adaptive Homomorphic Encryption using Reinforcement Learning
von: Tang, Jiaxang, et al.
Veröffentlicht: (2024)

Privacy-Preserving and Trustworthy Localization in an IoT Environment
von: Zocca, Guglielmo, et al.
Veröffentlicht: (2024)

LiteChain: A Lightweight Blockchain for Verifiable and Scalable Federated Learning in Massive Edge Networks
von: Chen, Handi, et al.
Veröffentlicht: (2025)

CacheFL: Privacy-Preserving and Efficient Federated Cache Model Fine-Tuning for Vision-Language Models
von: Yi, Mengjun, et al.
Veröffentlicht: (2025)

A Privacy-Preserving Ecosystem for Developing Machine Learning Algorithms Using Patient Data: Insights from the TUM.ai Makeathon
von: Süwer, Simon, et al.
Veröffentlicht: (2025)

BoostCom: Towards Efficient Universal Fully Homomorphic Encryption by Boosting the Word-wise Comparisons
von: Yudha, Ardhi Wiratama Baskara, et al.
Veröffentlicht: (2024)

Privacy-Preserving Federated Heavy Hitter Analytics for Non-IID Data
von: Shao, Jiaqi, et al.
Veröffentlicht: (2023)

Privacy-Preserving Coding Schemes for Multi-Access Distributed Computing Models
von: Sasi, Shanuja
Veröffentlicht: (2026)

Privacy-Preserving Sharing of Data Analytics Runtime Metrics for Performance Modeling
von: Will, Jonathan, et al.
Veröffentlicht: (2024)

Sparsity-Preserving Encodings for Straggler-Optimal Distributed Matrix Computations at the Edge
von: Das, Anindya Bijoy, et al.
Veröffentlicht: (2024)

Efficient Scheduling of Vehicular Tasks on Edge Systems with Green Energy and Battery Storage
von: Sarkar, Suvarthi, et al.
Veröffentlicht: (2024)

Differential Privacy Preserving Distributed Quantum Computing
von: Zhong, Hui, et al.
Veröffentlicht: (2024)

EdgeShard: Efficient LLM Inference via Collaborative Edge Computing
von: Zhang, Mingjin, et al.
Veröffentlicht: (2024)

Experiences Building Enterprise-Level Privacy-Preserving Federated Learning to Power AI for Science
von: Li, Zilinghan, et al.
Veröffentlicht: (2025)

Privacy-Preserving and Incentive-Driven Relay-Based Framework for Cross-Domain Blockchain Interoperability
von: Moradi, Saeed, et al.
Veröffentlicht: (2025)

LLM-Driven Intent-Based Privacy-Aware Orchestration Across the Cloud-Edge Continuum
von: Su, Zijie, et al.
Veröffentlicht: (2026)

Edge Intelligence in Satellite-Terrestrial Networks with Hybrid Quantum Computing
von: Huang, Siyue, et al.
Veröffentlicht: (2024)

P3SL: Personalized Privacy-Preserving Split Learning on Heterogeneous Edge Devices
von: Fan, Wei, et al.
Veröffentlicht: (2025)

Evaluating the Potential of In-Memory Processing to Accelerate Homomorphic Encryption
von: Mwaisela, Mpoki, et al.
Veröffentlicht: (2024)

Propius: A Platform for Collaborative Machine Learning across the Edge and the Cloud
von: Ding, Eric
Veröffentlicht: (2025)

6G EdgeAI: Performance Evaluation and Analysis
von: Yang, Chien-Sheng, et al.
Veröffentlicht: (2025)

FRESCO: Fast and Reliable Edge Offloading with Reputation-based Hybrid Smart Contracts
von: Zilic, Josip, et al.
Veröffentlicht: (2024)

DEEP: Edge-based Dataflow Processing with Hybrid Docker Hub and Regional Registries
von: Mehran, Narges, et al.
Veröffentlicht: (2025)

HoSZp: An Efficient Homomorphic Error-bounded Lossy Compressor for Scientific Data
von: Agarwal, Tripti, et al.
Veröffentlicht: (2024)

A Hybrid Reactive-Proactive Auto-scaling Algorithm for SLA-Constrained Edge Computing
von: Gupta, Suhrid, et al.
Veröffentlicht: (2025)

HybridFlow: Resource-Adaptive Subtask Routing for Efficient Edge-Cloud LLM Inference
von: Dong, Jiangwen, et al.
Veröffentlicht: (2025)

Secure Federated XGBoost with CUDA-accelerated Homomorphic Encryption via NVIDIA FLARE
von: Xu, Ziyue, et al.
Veröffentlicht: (2025)

QuanCrypt-FL: Quantized Homomorphic Encryption with Pruning for Secure Federated Learning
von: Mia, Md Jueal, et al.
Veröffentlicht: (2024)

On Homomorphism Graphs
von: Brandt, Sebastian, et al.
Veröffentlicht: (2021)

Collaborative State Machines: A Better Programming Model for the Cloud-Edge-IoT Continuum
von: Etheredge, Marlon, et al.
Veröffentlicht: (2025)

Distributed Hierarchical Machine Learning for Joint Resource Allocation and Slice Selection in In-Network Edge Systems
von: Rashid, Sulaiman Muhammad, et al.
Veröffentlicht: (2025)

Low-Cost Privacy-Preserving Decentralized Learning
von: Biswas, Sayan, et al.
Veröffentlicht: (2024)