Buchumschlag

Unlocking Apple's Private Cloud Compute: An Analysis of Privacy-Preserving Artificial Intelligence

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dittmar, Yannik, Stephan, Marvin Jerome, Völkl, Thomas, Hollick, Matthias, Classen, Jiska
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

WatchWitch: Interoperability, Privacy, and Autonomy for the Apple Watch
von: Rollshausen, Nils, et al.
Veröffentlicht: (2025)

ARIstoteles -- Dissecting Apple's Baseband Interface
von: Kröll, Tobias, et al.
Veröffentlicht: (2026)

Modern iOS Security Features -- A Deep Dive into SPTM, TXM, and Exclaves
von: Steffin, Moritz, et al.
Veröffentlicht: (2025)

Privacy Risks and Preservation Methods in Explainable Artificial Intelligence: A Scoping Review
von: Allana, Sonal, et al.
Veröffentlicht: (2025)

Privacy-Preserving Federated Learning with Differentially Private Hyperdimensional Computing
von: Piran, Fardin Jalil, et al.
Veröffentlicht: (2024)

Research on Enhancing Cloud Computing Network Security using Artificial Intelligence Algorithms
von: Wang, Yuqing, et al.
Veröffentlicht: (2025)

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

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

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

SplitAgent: A Privacy-Preserving Distributed Architecture for Enterprise-Cloud Agent Collaboration
von: She, Jianshu
Veröffentlicht: (2026)

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

EP-HDC: Hyperdimensional Computing with Encrypted Parameters for High-Throughput Privacy-Preserving Inference
von: Park, Jaewoo, et al.
Veröffentlicht: (2025)

Federated Learning Based Decentralized Adaptive Intelligent Transmission Protocol for Privacy Preserving 6G Networks
von: Ahmed, Ansar
Veröffentlicht: (2025)

Towards Privacy-Preserving Code Generation: Differentially Private Code Language Models
von: Catal, Melih, et al.
Veröffentlicht: (2025)

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

Efficient Privacy-Preserving Retrieval Augmented Generation with Distance-Preserving Encryption
von: Ye, Huanyi, et al.
Veröffentlicht: (2026)

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

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

Protecting Private Code in IDE Autocomplete using Differential Privacy
von: Grigorenko, Evgeny, et al.
Veröffentlicht: (2026)

PlanTwin: Privacy-Preserving Planning Abstractions for Cloud-Assisted LLM Agents
von: Yu, Guangsheng, et al.
Veröffentlicht: (2026)

UFO: Unlocking Ultra-Efficient Quantized Private Inference with Protocol and Algorithm Co-Optimization
von: Zeng, Wenxuan, et al.
Veröffentlicht: (2026)

Cyber Threat Intelligence for Artificial Intelligence Systems
von: Krawczyk, Natalia, et al.
Veröffentlicht: (2026)

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

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

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

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

On the Foundations of Trustworthy Artificial Intelligence
von: Dunham, TJ
Veröffentlicht: (2026)

Bittensor Protocol: The Bitcoin in Decentralized Artificial Intelligence? A Critical and Empirical Analysis
von: Lui, Elizabeth, et al.
Veröffentlicht: (2025)

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)

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

Privacy Preserving Machine Learning Workflow: from Anonymization to Personalized Differential Privacy Budgets in Federated Learning
von: Díaz, Judith Sáinz-Pardo, et al.
Veröffentlicht: (2026)

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

Privacy-Preserving AI-Enabled Decentralized Learning and Employment Records System
von: Xu, Yuqiao, et al.
Veröffentlicht: (2026)

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

Privacy-Preserving Large Language Models: Mechanisms, Applications, and Future Directions
von: Zhao, Guoshenghui, et al.
Veröffentlicht: (2024)

Artificial Intelligence for Secured Information Systems in Smart Cities: Collaborative IoT Computing with Deep Reinforcement Learning and Blockchain
von: Far, Amin Zakaie, et al.
Veröffentlicht: (2024)

Privacy in Responsible AI: Approaches to Facial Recognition from Cloud Providers
von: Elivanova, Anna
Veröffentlicht: (2025)

Explainable Artificial Intelligence (XAI) for Malware Analysis: A Survey of Techniques, Applications, and Open Challenges
von: Manthena, Harikha, et al.
Veröffentlicht: (2024)

Quantum-Enhanced Adversarial Robustness in Artificial Intelligence
von: Sen, Jaydip
Veröffentlicht: (2026)