Force: Highly Efficient Four-Party Privacy-Preserving Machine Learning on GPU
| Zugehörige Institution(en) am KIT | Institut für Informationssicherheit und Verlässlichkeit (KASTEL) Kompetenzzentrum für angewandte Sicherheitstechnologie (KASTEL) |
| Publikationstyp | Proceedingsbeitrag |
| Publikationsjahr | 2024 |
| Sprache | Englisch |
| Identifikator | ISBN: 978-3-031-47748-5 ISSN: 0302-9743 KITopen-ID: 1000176635 |
| HGF-Programm | 46.23.01 (POF IV, LK 01) Methods for Engineering Secure Systems |
| Erschienen in | Secure IT Systems – 28th Nordic Conference, NordSec 2023, Oslo, Norway, November 16–17, 2023, Proceedings. Ed.: L. Fritsch |
| Veranstaltung | 28th Nordic Conference on Secure IT Systems (NordSec 2023), Oslo, Norwegen, 16.11.2023 – 17.11.2023 |
| Verlag | Springer Nature Switzerland |
| Seiten | 330–349 |
| Serie | Lecture Notes in Computer Science ; 14324 |
| Vorab online veröffentlicht am | 08.11.2023 |
| Nachgewiesen in | OpenAlex Dimensions |