Buchumschlag

Efficient Privacy-Preserving Retrieval Augmented Generation with Distance-Preserving Encryption

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ye, Huanyi, Guo, Jiale, Liu, Ziyao, Lam, Kwok-Yan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Cryptography and Security Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Privacy-Preserving Federated Unlearning with Certified Client Removal
von: Liu, Ziyao, et al.
Veröffentlicht: (2024)

Efficient Federated Unlearning with Adaptive Differential Privacy Preservation
von: Jiang, Yu, et al.
Veröffentlicht: (2024)

Threats, Attacks, and Defenses in Machine Unlearning: A Survey
von: Liu, Ziyao, et al.
Veröffentlicht: (2024)

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

Privacy-Preserving Retrieval-Augmented Generation with Differential Privacy
von: Koga, Tatsuki, et al.
Veröffentlicht: (2024)

Exposing Privacy Risks in Graph Retrieval-Augmented Generation
von: Liu, Jiale, et al.
Veröffentlicht: (2025)

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

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

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

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

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

VFEFL: Privacy-Preserving Federated Learning against Malicious Clients via Verifiable Functional Encryption
von: Cai, Nina, et al.
Veröffentlicht: (2025)

Privacy-Preserving Federated Learning from Partial Decryption Verifiable Threshold Multi-Client Functional Encryption
von: Wang, Minjie, et al.
Veröffentlicht: (2025)

P$^2$RAG: Efficient Privacy-Preserving RAG Service Supporting Arbitrary Top-$k$ Retrieval
von: Ming, Yulong, et al.
Veröffentlicht: (2026)

FedRW: Efficient Privacy-Preserving Data Reweighting for Enhancing Federated Learning of Language Models
von: Ye, Pukang, et al.
Veröffentlicht: (2025)

Privacy-Preserving LLMs Routing
von: Wu, Xidong, et al.
Veröffentlicht: (2026)

KnowledgeSG: Privacy-Preserving Synthetic Text Generation with Knowledge Distillation from Server
von: Wang, Wenhao, et al.
Veröffentlicht: (2024)

No Free Lunch Theorem for Privacy-Preserving LLM Inference
von: Zhang, Xiaojin, et al.
Veröffentlicht: (2024)

NOIR: Privacy-Preserving Generation of Code with Open-Source LLMs
von: Nguyen, Khoa, et al.
Veröffentlicht: (2026)

Privacy Preservation in Gen AI Applications
von: S, Swetha, et al.
Veröffentlicht: (2025)

Guaranteeing Data Privacy in Federated Unlearning with Dynamic User Participation
von: Liu, Ziyao, et al.
Veröffentlicht: (2024)

Privacy Challenges and Solutions in Retrieval-Augmented Generation-Enhanced LLMs for Healthcare Chatbots: A Review of Applications, Risks, and Future Directions
von: Guan, Shaowei, et al.
Veröffentlicht: (2025)

Generating Privacy-Preserving Personalized Advice with Zero-Knowledge Proofs and LLMs
von: Watanabe, Hiroki, et al.
Veröffentlicht: (2025)

Privacy-Preserving Decentralized AI with Confidential Computing
von: Lee, Dayeol, et al.
Veröffentlicht: (2024)

PRIVATEEDIT: A Privacy-Preserving Pipeline for Face-Centric Generative Image Editing
von: Tamboli, Dipesh, et al.
Veröffentlicht: (2026)

Private Seeds, Public LLMs: Realistic and Privacy-Preserving Synthetic Data Generation
von: Ma, Qian, et al.
Veröffentlicht: (2026)

Towards Privacy-Preserving LLM Inference via Covariant Obfuscation (Technical Report)
von: Lin, Yu, 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)

Privacy-Preserving, Dropout-Resilient Aggregation in Decentralized Learning
von: Ghavamipour, Ali Reza, et al.
Veröffentlicht: (2024)

Privacy-Preserving Aggregation for Decentralized Learning with Byzantine-Robustness
von: Ghavamipour, Ali Reza, et al.
Veröffentlicht: (2024)

Scaling While Privacy Preserving: A Comprehensive Synthetic Tabular Data Generation and Evaluation in Learning Analytics
von: Liu, Qinyi, et al.
Veröffentlicht: (2024)

Privacy-Preserving Decentralized Federated Learning via Explainable Adaptive Differential Privacy
von: Piran, Fardin Jalil, et al.
Veröffentlicht: (2025)

Tabular Data Synthesis with Differential Privacy: A Survey
von: Yang, Mengmeng, et al.
Veröffentlicht: (2024)

PrivacyRestore: Privacy-Preserving Inference in Large Language Models via Privacy Removal and Restoration
von: Zeng, Ziqian, et al.
Veröffentlicht: (2024)

FedAdOb: Privacy-Preserving Federated Deep Learning with Adaptive Obfuscation
von: Gu, Hanlin, et al.
Veröffentlicht: (2024)

MedHE: Communication-Efficient Privacy-Preserving Federated Learning with Adaptive Gradient Sparsification for Healthcare
von: Yesmin, Farjana
Veröffentlicht: (2025)

Training with Differential Privacy: A Gradient-Preserving Noise Reduction Approach with Provable Security
von: Wang, Haodi, et al.
Veröffentlicht: (2024)

A Quantization-based Technique for Privacy Preserving Distributed Learning
von: Colombo, Maurizio, et al.
Veröffentlicht: (2024)

TAPFed: Threshold Secure Aggregation for Privacy-Preserving Federated Learning
von: Xu, Runhua, et al.
Veröffentlicht: (2025)

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