:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Yenan, Chiasserini, Carla Fabiana, Schiller, Elad Michael
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2603.02969
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Balancing Privacy-Quality-Efficiency in Federated Learning through Round-Based Interleaving of Protection Techniques
von: Wang, Yenan, et al.
Veröffentlicht: (2026)

Dependable Distributed Training of Compressed Machine Learning Models
von: Malandrino, Francesco, et al.
Veröffentlicht: (2024)

Edge-device Collaborative Computing for Multi-view Classification
von: Palena, Marco, et al.
Veröffentlicht: (2024)

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

Combining Relevance and Magnitude for Resource-Aware DNN Pruning
von: Chiasserini, Carla Fabiana, et al.
Veröffentlicht: (2024)

Learning to Sparsify Stochastic Linear Bandits
von: Wang, Zhengmiao, et al.
Veröffentlicht: (2026)

Privacy-Preserving Federated Learning via Differential Privacy and Homomorphic Encryption for Cardiovascular Disease Risk Modeling
von: Sharma, Gaurang, et al.
Veröffentlicht: (2026)

AdeptHEQ-FL: Adaptive Homomorphic Encryption for Federated Learning of Hybrid Classical-Quantum Models with Dynamic Layer Sparing
von: Jahin, Md Abrar, et al.
Veröffentlicht: (2025)

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

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

GuardML: Efficient Privacy-Preserving Machine Learning Services Through Hybrid Homomorphic Encryption
von: Frimpong, Eugene, 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-Centric Approach: Scalable and Secure Federated Learning Enabled by Hybrid Homomorphic Encryption
von: Nguyen, Khoa, et al.
Veröffentlicht: (2025)

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

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

Edge-Assisted ML-Aided Uncertainty-Aware Vehicle Collision Avoidance at Urban Intersections
von: Selvaraj, Dinesh Cyril, et al.
Veröffentlicht: (2024)

Privacy-Preserving Graph-Based Machine Learning with Fully Homomorphic Encryption for Collaborative Anti-Money Laundering
von: Effendi, Fabrianne, et al.
Veröffentlicht: (2024)

Adaptive Autopilot: Constrained DRL for Diverse Driving Behaviors
von: Selvaraj, Dinesh Cyril, et al.
Veröffentlicht: (2024)

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

Securing Transfer-Learned Networks with Reverse Homomorphic Encryption
von: Allison, Robert, et al.
Veröffentlicht: (2025)

Efficient Implementation of Reinforcement Learning over Homomorphic Encryption
von: Suh, Jihoon, et al.
Veröffentlicht: (2025)

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

A Selective Homomorphic Encryption Approach for Faster Privacy-Preserving Federated Learning
von: Korkmaz, Abdulkadir, et al.
Veröffentlicht: (2025)

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

On Homomorphic Encryption Based Strategies for Class Imbalance in Federated Learning
von: Guleria, Arpit, et al.
Veröffentlicht: (2024)

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

Confidential and Protected Disease Classifier using Fully Homomorphic Encryption
von: Malik, Aditya, 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)

MedBlindTuner: Towards Privacy-preserving Fine-tuning on Biomedical Images with Transformers and Fully Homomorphic Encryption
von: Panzade, Prajwal, et al.
Veröffentlicht: (2024)

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

ULDP-FL: Federated Learning with Across Silo User-Level Differential Privacy
von: Kato, Fumiyuki, et al.
Veröffentlicht: (2023)

Synthetic Data Privacy Metrics
von: Steier, Amy, et al.
Veröffentlicht: (2025)

Private LoRA Fine-tuning of Open-Source LLMs with Homomorphic Encryption
von: Frery, Jordan, et al.
Veröffentlicht: (2025)

TFHE-Coder: Evaluating LLM-agentic Fully Homomorphic Encryption Code Generation
von: Kumar, Mayank, et al.
Veröffentlicht: (2025)

Measuring Privacy Risks and Tradeoffs in Financial Synthetic Data Generation
von: Zuo, Michael, et al.
Veröffentlicht: (2026)

FL-Sailer: Efficient and Privacy-Preserving Federated Learning for Scalable Single-Cell Epigenetic Data Analysis via Adaptive Sampling
von: Zhang, Guangyi, et al.
Veröffentlicht: (2026)

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

SynQP: A Framework and Metrics for Evaluating the Quality and Privacy Risk of Synthetic Data
von: Hu, Bing, et al.
Veröffentlicht: (2026)

BARRED: Synthetic Training of Custom Policy Guardrails via Asymmetric Debate
von: Mazza, Arnon, et al.
Veröffentlicht: (2026)

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