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...

Celý popis

Podrobná bibliografie

Vydáno v:	IEEE BITS the information theory magazine s. 1 - 12
Hlavní autoři:	Heidarzadeh, Anoosheh, Sprintson, Alex
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	IEEE 14.11.2025
Témata:	Data privacy Indexes Information theory Machine learning Prediction algorithms Privacy Random variables Servers Upper bound Vectors
ISSN:	2692-4080, 2692-4110
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!