Buchumschlag

SoK: Enhancing Cryptographic Collaborative Learning with Differential Privacy

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Capano, Francesco, Böhler, Jonas, Weggenmann, Benjamin
Format:	Preprint
Veröffentlicht:	2026
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

SoK: Security and Privacy Risks of Healthcare AI
von: Chang, Yuanhaur, et al.
Veröffentlicht: (2024)

SoK: Unlearnability and Unlearning for Model Dememorization
von: Zhang, Mengying, et al.
Veröffentlicht: (2026)

SoK: Verifiable Cross-Silo FL
von: Korneev, Aleksei, et al.
Veröffentlicht: (2024)

SoK: Watermarking for AI-Generated Content
von: Zhao, Xuandong, et al.
Veröffentlicht: (2024)

SoK: Benchmarking Poisoning Attacks and Defenses in Federated Learning
von: Zhang, Heyi, et al.
Veröffentlicht: (2025)

SoK: Blockchain-Based Decentralized AI (DeAI)
von: Lui, Elizabeth, et al.
Veröffentlicht: (2024)

SoK: On the Offensive Potential of AI
von: Schröer, Saskia Laura, et al.
Veröffentlicht: (2024)

SoK: A Systems Perspective on Compound AI Threats and Countermeasures
von: Banerjee, Sarbartha, et al.
Veröffentlicht: (2024)

SoK: Security and Privacy of AI Agents for Blockchain
von: Romandini, Nicolò, et al.
Veröffentlicht: (2025)

SoK: Semantic Privacy in Large Language Models
von: Ma, Baihe, et al.
Veröffentlicht: (2025)

SoK: Pitfalls in Evaluating Black-Box Attacks
von: Suya, Fnu, et al.
Veröffentlicht: (2023)

SoK: On Gradient Leakage in Federated Learning
von: Du, Jiacheng, et al.
Veröffentlicht: (2024)

SoK: Can Trajectory Generation Combine Privacy and Utility?
von: Buchholz, Erik, et al.
Veröffentlicht: (2024)

SoK: Data Minimization in Machine Learning
von: Staab, Robin, et al.
Veröffentlicht: (2025)

SoK: Privacy Preserving Machine Learning using Functional Encryption: Opportunities and Challenges
von: Panzade, Prajwal, et al.
Veröffentlicht: (2022)

SoK: On the Survivability of Backdoor Attacks on Unconstrained Face Recognition Systems
von: Roux, Quentin Le, et al.
Veröffentlicht: (2025)

SoK: Privacy-aware LLM in Healthcare: Threat Model, Privacy Techniques, Challenges and Recommendations
von: Tahera, Mohoshin Ara, et al.
Veröffentlicht: (2026)

SoK: The Pitfalls of Deep Reinforcement Learning for Cybersecurity
von: McFadden, Shae, et al.
Veröffentlicht: (2026)

SoK: What Makes Private Learning Unfair?
von: Yao, Kai, et al.
Veröffentlicht: (2025)

Clients Collaborate: Flexible Differentially Private Federated Learning with Guaranteed Improvement of Utility-Privacy Trade-off
von: Li, Yuecheng, et al.
Veröffentlicht: (2024)

SoK: Towards Security and Safety of Edge AI
von: Wingarz, Tatjana, et al.
Veröffentlicht: (2024)

SoK: Dataset Copyright Auditing in Machine Learning Systems
von: Du, Linkang, et al.
Veröffentlicht: (2024)

SoK: Robustness in Large Language Models against Jailbreak Attacks
von: Xu, Feiyue, et al.
Veröffentlicht: (2026)

Differential Privacy-Driven Framework for Enhancing Heart Disease Prediction
von: Otoum, Yazan, et al.
Veröffentlicht: (2025)

Security in LLM-as-a-Judge: A Comprehensive SoK
von: Masoud, Aiman Al, et al.
Veröffentlicht: (2026)

SoK: The Last Line of Defense: On Backdoor Defense Evaluation
von: Abad, Gorka, et al.
Veröffentlicht: (2025)

SoK: Trust-Authorization Mismatch in LLM Agent Interactions
von: Shi, Guanquan, et al.
Veröffentlicht: (2025)

SoK: Evaluating Jailbreak Guardrails for Large Language Models
von: Wang, Xunguang, et al.
Veröffentlicht: (2025)

SoK: Unintended Interactions among Machine Learning Defenses and Risks
von: Duddu, Vasisht, et al.
Veröffentlicht: (2023)

SoK: Machine Unlearning for Large Language Models
von: Ren, Jie, et al.
Veröffentlicht: (2025)

RAG with Differential Privacy
von: Grislain, Nicolas
Veröffentlicht: (2024)

Near-Optimal Reinforcement Learning with Shuffle Differential Privacy
von: Bai, Shaojie, et al.
Veröffentlicht: (2024)

A Cryptographic Perspective on Mitigation vs. Detection in Machine Learning
von: Gluch, Greg, et al.
Veröffentlicht: (2025)

SoK: On the Semantic AI Security in Autonomous Driving
von: Shen, Junjie, et al.
Veröffentlicht: (2022)

Privacy-Preserving Federated Learning with Differentially Private Hyperdimensional Computing
von: Piran, Fardin Jalil, et al.
Veröffentlicht: (2024)

Federated Split Learning for Human Activity Recognition with Differential Privacy
von: Ndeko, Josue, et al.
Veröffentlicht: (2024)

Gaussian DP for Reporting Differential Privacy Guarantees in Machine Learning
von: Gomez, Juan Felipe, et al.
Veröffentlicht: (2025)

Federated Foundation Models: Privacy-Preserving and Collaborative Learning for Large Models
von: Yu, Sixing, et al.
Veröffentlicht: (2023)

SoK: Taxonomy and Evaluation of Prompt Security in Large Language Models
von: Hong, Hanbin, et al.
Veröffentlicht: (2025)

SoK: How Robust is Audio Watermarking in Generative AI models?
von: Wen, Yizhu, et al.
Veröffentlicht: (2025)