Investigating TenSEAL's Homomorphic Encryption Through Predicting Encrypted RNA Sequencing Data.
该论文研究了TenSEAL同态加密库在加密RNA测序数据预测任务中的应用。同态加密允许在不解密的情况下对加密数据进行计算，从而保护数据隐私。论文使用TenSEAL库实现了同态加密方案，并在RNA测序数据集上训练了机器学习模型，评估了加密数据
#privacy-preserving-ml
共收录 26 条相关情报。
← 返回所有主题Degree-Constrained Interval Optimization for Minimax Polynomial Approximation in Homomorphic Encryption
本文研究同态加密（HE）环境下，使用多项式逼近非线性激活函数时，逼近区间选择与近似误差之间的权衡问题。在HE中，运算仅限于加法和乘法，因此非多项式激活函数必须用多项式近似。Minimax近似（如Remez算法）能最小化给定区间内的最大逼近误
DPDL: Towards Differential Privacy Preservation in Decentralized Stochastic Learning on Non-IID Data
该论文针对去中心化学习（Decentralized Learning）中的隐私保护问题展开研究。在去中心化学习中，多个智能体（Agent）在没有中心服务器的情况下协作训练全局模型，通过交换梯度信息来更新模型。然而，这种梯度交换会带来严重的隐
Pencil: Private and Extensible Collaborative Learning without the Non-Colluding Assumption.
本文针对协作式神经网络训练中日益突出的数据隐私挑战展开研究。传统方法如联邦学习（FL）完全忽略模型隐私，而同态加密（HE）只能支持单一数据提供方，扩展性受限。现有的安全多方计算（MPC）框架虽能提供合理吞吐并同时保护数据与模型隐私，却严重依
Secure Cross-Silo Synthetic Genomic Data Generation
本文针对基因组数据的高度敏感性和访问限制，提出了一种跨机构安全合成基因组数据生成方法。由于基因组数据的隐私性，数据共享受到严格监管，阻碍了AI在基因组学中的发展。合成数据生成通过训练生成模型并采样保留相关统计信息的人工数据，可以在不泄露个体
Differentially Private Contrastive Learning via Bounding Group-level Contribution
该论文聚焦于差分隐私（DP）对比学习中的隐私-效用权衡问题。现有的DP对比学习方法因标准对比目标中样本间固有的强依赖性而遭受严重的效用退化：每个样本的梯度依赖于批次中的所有其他样本，这放大了DP噪声的影响。作者指出，有效的DP对比学习需要显