UNA NUEVA PERSPECTIVA

LATIDIA

Preparando tu experiencia…

Tu lugar en este universo.

Con tu autorización. Las coordenadas se muestran sólo en esta página y no se guardan.

CONECTANDO FUENTES
← Actualidad

LATIDIA · Ciberseguridad

CrypTorch: compilador de autoajuste unificado basado en PyTorch para la inferencia de aprendizaje automático privado

arXiv:2511.19711v3 Tipo de anuncio: sustitución Resumen: El aprendizaje automático (AA) basado en MPC utiliza el cálculo seguro de varias partes (MPC) para ejecutar cargas de trabajo de aprendizaje automático (AA) entre varias partes sin que ninguna de ellas tenga que revelar su información privada.

WhatsApp ↗Telegram ↗
Ilustración editorial relacionada con CrypTorch: compilador de autoajuste unificado basado en PyTorch para la inferencia de aprendizaje automático privado
Ilustración conceptual de LATIDIA.

La noticia

arXiv:2511.19711v3 Announce Type: replace Abstract: MPC-based ML uses secure multi-party computation (MPC) to execute machine learning (ML) workloads across multiple parties without requiring any party to reveal its private data or model parameters. Our characterization study finds that the performance of state-of-the-art MPC frameworks is often dominated by operator-approximation strategies, where ML operators not natively supported by MPC are replaced with iterative methods or polynomials. These approximations are typically chosen heuristically by each framework and applied globally. As a result, they can be unnecessarily expensive in some cases, yet insufficiently accurate in others. We find that the best approximation choice depends on the context, target framework, and application, making a

← Volver a los modelos

Cargando ficha del modelo…

LATIDIA / lectura con contexto