Private Linear Computation: Algorithms, Performance Limits, and Applications to Machine Learning

This article surveys Private Computation, a foundational framework for achieving privacy across a broad range of applications. Private Computation techniques enable clients to perform computations on data stored at remote servers without revealing sensitive information about the computation, such as...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	IEEE BITS the information theory magazine S. 1 - 12
Hauptverfasser:	Heidarzadeh, Anoosheh, Sprintson, Alex
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	IEEE 14.11.2025
Schlagworte:	Data privacy Indexes Information theory Machine learning Prediction algorithms Privacy Random variables Servers Upper bound Vectors
ISSN:	2692-4080, 2692-4110
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!