GuardML: Efficient Privacy-Preserving Machine Learning Services Through Hybrid Homomorphic Encryption
Publiceringsår
2024
Upphovspersoner
Frimpong, Eugene; Nguyen, Khoa; Budzys, Mindaugas; Khan, Tanveer; Michalas, Antonis
Organisationer och upphovspersoner
Publikationstyp
Publikationsform
Artikel
Moderpublikationens typ
Konferens
Artikelstyp
Annan artikel
Målgrupp
VetenskapligKollegialt utvärderad
Kollegialt utvärderadUKM:s publikationstyp
A4 Artikel i en konferenspublikationPublikationskanalens uppgifter
Moderpublikationens namn
Proceedings of the 39th ACM/SIGAPP Symposium on Applied Computing (SAC '24)
Förläggare
Sidor
953-962
ISBN
Publikationsforum
Publikationsforumsnivå
1
Öppen tillgång
Öppen tillgänglighet i förläggarens tjänst
Ja
Öppen tillgång till publikationskanalen
Delvis öppen publikationskanal
Licens för förläggarens version
CC BY
Parallellsparad
Ja
Parallellagringens licens
CC BY
Övriga uppgifter
Vetenskapsområden
Data- och informationsvetenskap
Förlagets internationalitet
Internationell
Språk
engelska
Internationell sampublikation
Nej
Sampublikation med ett företag
Nej
DOI
10.1145/3605098.3635983
Publikationen ingår i undervisnings- och kulturministeriets datainsamling
Ja