Zobrazeno 1 - 10
of 926
pro vyhledávání: '"Verifiable computing"'
The proliferation of cloud computing technologies has paved the way for deploying networked encrypted control systems, offering high performance, remote accessibility and privacy. However, in scenarios where the control algorithms run on third-party
Externí odkaz:
http://arxiv.org/abs/2405.18586
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Dolev, Shlomi, Kalma, Arseni
We suggest using Fully Homomorphic Encryption (FHE) to be used, not only to keep the privacy of information but also, to verify computations with no additional significant overhead, using only part of the variables length for verification. This metho
Externí odkaz:
http://arxiv.org/abs/2105.01762
Publikováno v:
IEEE Access, Vol 9, Pp 156729-156745 (2021)
From weak clients outsourcing computational tasks to more powerful machines, to distributed blockchain nodes needing to agree on the state of the ledger in the presence of adversarial nodes, there is a growing need to efficiently verify the results o
Externí odkaz:
https://doaj.org/article/ba46162952a049548568a9267f0adf1e
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Conference
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Madi, Abbass
Publikováno v:
Cryptography and Security [cs.CR]. Université Paris-Saclay, 2022. English. ⟨NNT : 2022UPASG019⟩
Machine Learning (ML) represents a new trend in science because of its power to solve problems automatically and its wide spectrum of applications (e.g., business, healthcare domain, etc.). This attractive technology caught our attention from a crypt
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od______3515::5c65ffa85e75a5de2ae61ad2a5841301
https://theses.hal.science/tel-03629984/document
https://theses.hal.science/tel-03629984/document
Publikováno v:
IEEE Access, Vol 9, Pp 156729-156745 (2021)
From weak clients outsourcing computational tasks to more powerful machines, to distributed blockchain nodes needing to agree on the state of the ledger in the presence of adversarial nodes, there is a growing need to efficiently verify the results o
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::2b3f94f6ebdc339ac71346ac60b4497d
https://doi.org/10.1109/access.2021.3129314
https://doi.org/10.1109/access.2021.3129314
Autor:
Oana Stan, Cédric Gouy-Pailler, Aurélien Mayoue, Arnaud Grivet-Sebert, Renaud Sirdey, Abbass Madi
Publikováno v:
2021 Reconciling Data Analytics, Automation, Privacy, and Security: A Big Data Challenge (RDAAPS).
In this paper, we present the first Federated Learning (FL) framework which is secure against both confidentiality and integrity threats from the aggregation server, in the case where the resulting model is not disclosed to the latter. We do so by co
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::0ec4026baa2811678add265230fd9cdc
https://doi.org/10.1109/rdaaps48126.2021.9452005
https://doi.org/10.1109/rdaaps48126.2021.9452005