Buchumschlag

Computationally Efficient Replicable Learning of Parities and Applications

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Noivirt, Moshe, Sorrell, Jessica, Tsfadia, Eliad
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On Differentially Private Subspace Estimation in a Distribution-Free Setting
von: Tsfadia, Eliad
Veröffentlicht: (2024)

Smooth Lower Bounds for Differentially Private Algorithms via Padding-and-Permuting Fingerprinting Codes
von: Peter, Naty, et al.
Veröffentlicht: (2023)

Differentially Private Quasi-Concave Optimization: Bypassing the Lower Bound and Application to Geometric Problems
von: Nissim, Kobbi, et al.
Veröffentlicht: (2025)

Computationally Differentially Private Inner Product Protocols Imply Oblivious Transfer
von: Haitner, Iftach, et al.
Veröffentlicht: (2025)

Data Reconstruction: When You See It and When You Don't
von: Cohen, Edith, et al.
Veröffentlicht: (2024)

How Well Can Differential Privacy Be Audited in One Run?
von: Keinan, Amit, et al.
Veröffentlicht: (2025)

Spin: An Efficient Secure Computation Framework with GPU Acceleration
von: Jiang, Wuxuan, et al.
Veröffentlicht: (2024)

Differentially Private Nonparametric Confidence Intervals Under Minimal Distributional Assumptions
von: Shoham, Tomer, et al.
Veröffentlicht: (2025)

Resilient Graph Neural Networks: A Coupled Dynamical Systems Approach
von: Eliasof, Moshe, et al.
Veröffentlicht: (2023)

Efficient Encrypted Computation in Convolutional Spiking Neural Networks with TFHE
von: Guo, Longfei, et al.
Veröffentlicht: (2026)

Privacy Preserving Data Imputation via Multi-party Computation for Medical Applications
von: Jentsch, Julia, et al.
Veröffentlicht: (2024)

Efficient and Verifiable Privacy-Preserving Convolutional Computation for CNN Inference with Untrusted Clouds
von: Lu, Jinyu, et al.
Veröffentlicht: (2025)

AdaPI: Facilitating DNN Model Adaptivity for Efficient Private Inference in Edge Computing
von: Zhou, Tong, et al.
Veröffentlicht: (2024)

Machine Learning with Confidential Computing: A Systematization of Knowledge
von: Mo, Fan, et al.
Veröffentlicht: (2022)

A New Analysis of Differential Privacy's Generalization Guarantees
von: Jung, Christopher, et al.
Veröffentlicht: (2019)

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

Private Rate-Constrained Optimization with Applications to Fair Learning
von: Yaghini, Mohammad, et al.
Veröffentlicht: (2025)

Deep Learning-based Anomaly Detection and Log Analysis for Computer Networks
von: Wang, Shuzhan, et al.
Veröffentlicht: (2024)

Complex-valued Federated Learning with Differential Privacy and MRI Applications
von: Riess, Anneliese, et al.
Veröffentlicht: (2021)

Oracle-Efficient Differentially Private Learning with Public Data
von: Block, Adam, et al.
Veröffentlicht: (2024)

Efficient Pruning for Machine Learning Under Homomorphic Encryption
von: Aharoni, Ehud, et al.
Veröffentlicht: (2022)

Byzantine-Robust Federated Learning over Ring-All-Reduce Distributed Computing
von: Fang, Minghong, et al.
Veröffentlicht: (2025)

Secure Sparse Matrix Multiplications and their Applications to Privacy-Preserving Machine Learning
von: Damie, Marc, et al.
Veröffentlicht: (2025)

Performance of Machine Learning Classifiers for Anomaly Detection in Cyber Security Applications
von: Haug, Markus, et al.
Veröffentlicht: (2025)

Private Federated Learning In Real World Application -- A Case Study
von: Ji, An, et al.
Veröffentlicht: (2025)

Applications of Positive Unlabeled (PU) and Negative Unlabeled (NU) Learning in Cybersecurity
von: Dilworth, Robert, et al.
Veröffentlicht: (2024)

Using Anomaly Detection to Detect Poisoning Attacks in Federated Learning Applications
von: Raza, Ali, et al.
Veröffentlicht: (2022)

Backdoor Detection through Replicated Execution of Outsourced Training
von: Jia, Hengrui, et al.
Veröffentlicht: (2025)

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

PackVFL: Efficient HE Packing for Vertical Federated Learning
von: Yang, Liu, et al.
Veröffentlicht: (2024)

DictPFL: Efficient and Private Federated Learning on Encrypted Gradients
von: Xue, Jiaqi, et al.
Veröffentlicht: (2025)

Private, Efficient and Scalable Kernel Learning for Medical Image Analysis
von: Hannemann, Anika, et al.
Veröffentlicht: (2024)

Efficient Malware Detection with Optimized Learning on High-Dimensional Features
von: Choudhary, Aditya, et al.
Veröffentlicht: (2025)

An Efficient Privacy-aware Split Learning Framework for Satellite Communications
von: Sun, Jianfei, et al.
Veröffentlicht: (2024)

The Normal Distributions Indistinguishability Spectrum and its Application to Privacy-Preserving Machine Learning
von: Wei, Yu, et al.
Veröffentlicht: (2023)

Towards Efficient Machine Learning Method for IoT DDoS Attack Detection
von: Modi, P
Veröffentlicht: (2024)

Label Privacy in Split Learning for Large Models with Parameter-Efficient Training
von: Zmushko, Philip, et al.
Veröffentlicht: (2024)

Towards Efficient and Certified Recovery from Poisoning Attacks in Federated Learning
von: Jiang, Yu, et al.
Veröffentlicht: (2024)

Private and Communication-Efficient Federated Learning based on Differentially Private Sketches
von: Zhang, Meifan, et al.
Veröffentlicht: (2024)

Improving Privacy-Preserving Vertical Federated Learning by Efficient Communication with ADMM
von: Xie, Chulin, et al.
Veröffentlicht: (2022)