Buchumschlag

Class-Aware Adaptive Differential Privacy in Deep Learning for Sensor-Based Fall Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Sana, Joydeb Kumar
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

Privacy-Preserving Customer Churn Prediction Model in the Context of Telecommunication Industry
von: Sana, Joydeb Kumar, et al.
Veröffentlicht: (2024)

Differentially Private Deep Model-Based Reinforcement Learning
von: Rio, Alexandre, et al.
Veröffentlicht: (2024)

Feature-Aware Anisotropic Local Differential Privacy for Utility-Preserving Graph Representation Learning in Metal Additive Manufacturing
von: Islam, MD Shafikul, et al.
Veröffentlicht: (2026)

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

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

Generating Synthetic Health Sensor Data for Privacy-Preserving Wearable Stress Detection
von: Lange, Lucas, et al.
Veröffentlicht: (2024)

SoK: Enhancing Cryptographic Collaborative Learning with Differential Privacy
von: Capano, Francesco, et al.
Veröffentlicht: (2026)

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)

Uncertainty-Aware Hardware Trojan Detection Using Multimodal Deep Learning
von: Vishwakarma, Rahul, et al.
Veröffentlicht: (2024)

Cross-silo Federated Learning with Record-level Personalized Differential Privacy
von: Liu, Junxu, et al.
Veröffentlicht: (2024)

TADP-RME: A Trust-Adaptive Differential Privacy Framework for Enhancing Reliability of Data-Driven Systems
von: Halder, Labani, et al.
Veröffentlicht: (2026)

Attack-Aware Noise Calibration for Differential Privacy
von: Kulynych, Bogdan, et al.
Veröffentlicht: (2024)

Your Privacy Depends on Others: Collusion Vulnerabilities in Individual Differential Privacy
von: Kaiser, Johannes, et al.
Veröffentlicht: (2026)

Distribution-Aware Mean Estimation under User-level Local Differential Privacy
von: Pla, Corentin, et al.
Veröffentlicht: (2024)

Tight Auditing of Differential Privacy in MST and AIM
von: Ganev, Georgi, et al.
Veröffentlicht: (2026)

Mind the Gap: Mixtures of Gaussians in Approximate Differential Privacy
von: Liu, Huikang, et al.
Veröffentlicht: (2026)

DPrivBench: Benchmarking LLMs' Reasoning for Differential Privacy
von: Wang, Erchi, et al.
Veröffentlicht: (2026)

Differential Privacy Mechanisms in Neural Tangent Kernel Regression
von: Gu, Jiuxiang, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning for Phishing Detection with Transformer-Based Semantic Features
von: Faisal, Aseer Al
Veröffentlicht: (2025)

Differentially Private Block-wise Gradient Shuffle for Deep Learning
von: Zagardo, David
Veröffentlicht: (2024)

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

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

Position: Challenges and Opportunities for Differential Privacy in the U.S. Federal Government
von: Khanna, Amol, et al.
Veröffentlicht: (2024)

Protect Your Score: Contact Tracing With Differential Privacy Guarantees
von: Romijnders, Rob, et al.
Veröffentlicht: (2023)

How Does a Deep Learning Model Architecture Impact Its Privacy? A Comprehensive Study of Privacy Attacks on CNNs and Transformers
von: Zhang, Guangsheng, et al.
Veröffentlicht: (2022)

MeLeMaD: Adaptive Malware Detection via Chunk-wise Feature Selection and Meta-Learning
von: K, Ajvad Haneef, et al.
Veröffentlicht: (2025)

Recalling The Forgotten Class Memberships: Unlearned Models Can Be Noisy Labelers to Leak Privacy
von: Sui, Zhihao, et al.
Veröffentlicht: (2025)

Securing Healthcare with Deep Learning: A CNN-Based Model for medical IoT Threat Detection
von: Mohamadi, Alireza, et al.
Veröffentlicht: (2024)

Can Differentially Private Fine-tuning LLMs Protect Against Privacy Attacks?
von: Du, Hao, et al.
Veröffentlicht: (2025)

Fine-Tuning Language Models with Differential Privacy through Adaptive Noise Allocation
von: Li, Xianzhi, et al.
Veröffentlicht: (2024)

BACSA: A Bias-Aware Client Selection Algorithm for Privacy-Preserving Federated Learning in Wireless Healthcare Networks
von: Yadav, Sushilkumar, et al.
Veröffentlicht: (2024)

Cutting Through Privacy: A Hyperplane-Based Data Reconstruction Attack in Federated Learning
von: Diana, Francesco, et al.
Veröffentlicht: (2025)

FedMentor: Domain-Aware Differential Privacy for Heterogeneous Federated LLMs in Mental Health
von: Sarwar, Nobin, et al.
Veröffentlicht: (2025)

TeleSparse: Practical Privacy-Preserving Verification of Deep Neural Networks
von: Maheri, Mohammad M, et al.
Veröffentlicht: (2025)

LAN: Learning Adaptive Neighbors for Real-Time Insider Threat Detection
von: Cai, Xiangrui, et al.
Veröffentlicht: (2024)

Evaluating Privacy Leakage in Split Learning
von: Qiu, Xinchi, et al.
Veröffentlicht: (2023)

Privacy-Preserving Intrusion Detection using Convolutional Neural Networks
von: Kodys, Martin, et al.
Veröffentlicht: (2024)

Evading Deep Learning-Based Malware Detectors via Obfuscation: A Deep Reinforcement Learning Approach
von: Etter, Brian, et al.
Veröffentlicht: (2024)