Buchumschlag

A Survey on Split Learning for LLM Fine-Tuning: Models, Systems, and Privacy Optimizations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Zihan, Wang, Yizhen, Wang, Rui, Tang, Xiu, Wu, Sai
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Cryptography and Security Computation and Language Distributed, Parallel, and Cluster Computing Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Fine-Tuning Large Language Models with User-Level Differential Privacy
von: Charles, Zachary, et al.
Veröffentlicht: (2024)

Secure and Privacy-Preserving Vertical Federated Learning
von: Jin, Shan, et al.
Veröffentlicht: (2026)

FedShield-LLM: A Secure and Scalable Federated Fine-Tuned Large Language Model
von: Mia, Md Jueal, et al.
Veröffentlicht: (2025)

Split Learning without Local Weight Sharing to Enhance Client-side Data Privacy
von: Pham, Ngoc Duy, et al.
Veröffentlicht: (2022)

A Hitchhiker's Guide to Privacy-Preserving Digital Payment Systems: A Survey on Anonymity, Confidentiality, and Auditability
von: Nardelli, Matteo, et al.
Veröffentlicht: (2025)

Enhancing IoT Malware Detection through Adaptive Model Parallelism and Resource Optimization
von: Kasarapu, Sreenitha, et al.
Veröffentlicht: (2024)

Differential Privacy for Secure Machine Learning in Healthcare IoT-Cloud Systems
von: Mangala, N, et al.
Veröffentlicht: (2025)

Advances in Privacy Preserving Federated Learning to Realize a Truly Learning Healthcare System
von: Madduri, Ravi, et al.
Veröffentlicht: (2024)

Split Learning-Enabled Framework for Secure and Light-weight Internet of Medical Things Systems
von: Sai, Siva, et al.
Veröffentlicht: (2025)

HFIPay: Privacy-Preserving, Cross-Chain Cryptocurrency Payments to Human-Friendly Identifiers
von: Wang, Jian Sheng
Veröffentlicht: (2026)

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

PPFPL: Cross-silo Privacy-preserving Federated Prototype Learning Against Data Poisoning Attacks
von: Zhang, Hongliang, et al.
Veröffentlicht: (2025)

Optimizing Malware Detection in IoT Networks: Leveraging Resource-Aware Distributed Computing for Enhanced Security
von: Kasarapu, Sreenitha, et al.
Veröffentlicht: (2024)

Lightweight Federated Learning with Differential Privacy and Straggler Resilience
von: Hong, Shu, et al.
Veröffentlicht: (2024)

SECO: Secure Inference With Model Splitting Across Multi-Server Hierarchy
von: Chen, Shuangyi, et al.
Veröffentlicht: (2024)

HHEML: Hybrid Homomorphic Encryption for Privacy-Preserving Machine Learning on Edge
von: Chan, Yu Hin, et al.
Veröffentlicht: (2025)

Quantum-Inspired Privacy-Preserving Federated Learning Framework for Secure Dementia Classification
von: Tanbhir, Gazi, et al.
Veröffentlicht: (2025)

Privacy-First Crowdsourcing: Blockchain and Local Differential Privacy in Crowdsourced Drone Services
von: Akram, Junaid, et al.
Veröffentlicht: (2024)

On Fair Ordering and Differential Privacy
von: Cohen, Shir, et al.
Veröffentlicht: (2025)

Security Vulnerabilities in Quantum Cloud Systems: A Survey on Emerging Threats
von: Coupel, Justin, et al.
Veröffentlicht: (2025)

DP2Guard: A Lightweight and Byzantine-Robust Privacy-Preserving Federated Learning Scheme for Industrial IoT
von: Han, Baofu, et al.
Veröffentlicht: (2025)

A Secure and Privacy-Friendly Logging Scheme
von: Aßmuth, Andreas, et al.
Veröffentlicht: (2024)

SecureSplit: Mitigating Backdoor Attacks in Split Learning
von: Dou, Zhihao, et al.
Veröffentlicht: (2026)

PCDM: A Diffusion-Based Data Poisoning Attack Against Federated Learning Systems
von: Sun, Wei, et al.
Veröffentlicht: (2026)

A Comprehensive Survey on Green Blockchain: Developing the Next Generation of Energy Efficient and Sustainable Blockchain Systems
von: Fernández-Caramés, Tiago M., et al.
Veröffentlicht: (2024)

Securing AI Agents in Cyber-Physical Systems: A Survey of Environmental Interactions, Deepfake Threats, and Defenses
von: Hatami, Mohsen, et al.
Veröffentlicht: (2026)

SMTFL: Secure Model Training to Untrusted Participants in Federated Learning
von: Zhao, Zhihui, et al.
Veröffentlicht: (2025)

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

Head Count: Privacy-Preserving Face-Based Crowd Monitoring
von: Marzani, Fatemeh, et al.
Veröffentlicht: (2026)

DeZent: Decentralized z-Anonymity with Privacy-Preserving Coordination
von: Brunn, Carolin, et al.
Veröffentlicht: (2026)

ZK-ACE: Identity-Centric Zero-Knowledge Authorization for Post-Quantum Blockchain Systems
von: Wang, Jian Sheng
Veröffentlicht: (2026)

IslandRun: Privacy-Aware Multi-Objective Orchestration for Distributed AI Inference
von: Malepati, Bala Siva Sai Akhil
Veröffentlicht: (2025)

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

PPVF: An Efficient Privacy-Preserving Online Video Fetching Framework with Correlated Differential Privacy
von: Zhang, Xianzhi, et al.
Veröffentlicht: (2024)

Survey on Quality Assurance of Smart Contracts
von: Wei, Zhiyuan, et al.
Veröffentlicht: (2023)

PipeLLM: Fast and Confidential Large Language Model Services with Speculative Pipelined Encryption
von: Tan, Yifan, et al.
Veröffentlicht: (2024)

InfoDecom: Decomposing Information for Defending Against Privacy Leakage in Split Inference
von: Deng, Ruijun, et al.
Veröffentlicht: (2025)

SmartphoneDemocracy: Privacy-Preserving E-Voting on Decentralized Infrastructure using Novel European Identity
von: Jóźwik, Michał, et al.
Veröffentlicht: (2025)

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

HotStuff-2 vs. HotStuff: The Difference and Advantage
von: Zhao, Siyuan, et al.
Veröffentlicht: (2024)