Copertina

CoinPress: Practical Private Mean and Covariance Estimation

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Biswas, Sourav, Dong, Yihe, Kamath, Gautam, Ullman, Jonathan
Natura:	Preprint
Pubblicazione:	2020
Soggetti:	Machine Learning Cryptography and Security Data Structures and Algorithms Information Theory Statistics Theory
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Private Mean Estimation with Person-Level Differential Privacy
di: Agarwal, Sushant, et al.
Pubblicazione: (2024)

The Broader Landscape of Robustness in Algorithmic Statistics
di: Kamath, Gautam
Pubblicazione: (2024)

A Bias-Accuracy-Privacy Trilemma for Statistical Estimation
di: Kamath, Gautam, et al.
Pubblicazione: (2023)

Optimal Differentially Private Sampling of Unbounded Gaussians
di: Iverson, Valentio, et al.
Pubblicazione: (2025)

Better and Simpler Lower Bounds for Differentially Private Statistical Estimation
di: Narayanan, Shyam
Pubblicazione: (2023)

Robustness Implies Privacy in Statistical Estimation
di: Hopkins, Samuel B., et al.
Pubblicazione: (2022)

Optimal Rates for Differentially Private Hypothesis Testing with E-values
di: Jacobsen, Ben, et al.
Pubblicazione: (2026)

Necessity of Block Designs for Optimal Locally Private Distribution Estimation
di: Gentle, Abigail
Pubblicazione: (2025)

Private Vector Mean Estimation in the Shuffle Model: Optimal Rates Require Many Messages
di: Asi, Hilal, et al.
Pubblicazione: (2024)

Instance-Optimal Private Density Estimation in the Wasserstein Distance
di: Feldman, Vitaly, et al.
Pubblicazione: (2024)

Agnostic Private Density Estimation for GMMs via List Global Stability
di: Afzali, Mohammad, et al.
Pubblicazione: (2024)

Low-degree Security of the Planted Random Subgraph Problem
di: Bogdanov, Andrej, et al.
Pubblicazione: (2024)

Online Distribution Learning with Local Private Constraints
di: Sima, Jin, et al.
Pubblicazione: (2024)

Mixtures of Gaussians are Privately Learnable with a Polynomial Number of Samples
di: Afzali, Mohammad, et al.
Pubblicazione: (2023)

Differentially Private Low-dimensional Synthetic Data from High-dimensional Datasets
di: He, Yiyun, et al.
Pubblicazione: (2023)

Reveal-or-Obscure: A Differentially Private Sampling Algorithm for Discrete Distributions
di: Tasnim, Naima, et al.
Pubblicazione: (2025)

Meeting Utility Constraints in Differential Privacy: A Privacy-Boosting Approach
di: Jiang, Bo, et al.
Pubblicazione: (2024)

Concurrent Composition for Interactive Differential Privacy with Adaptive Privacy-Loss Parameters
di: Haney, Samuel, et al.
Pubblicazione: (2023)

Compression with Privacy-Preserving Random Access
di: Chandar, Venkat, et al.
Pubblicazione: (2025)

Shuffling Cards When You Are of Very Little Brain: Low Memory Generation of Permutations
di: Menuhin, Boaz, et al.
Pubblicazione: (2025)

Mean estimation in the add-remove model of differential privacy
di: Kulesza, Alex, et al.
Pubblicazione: (2023)

Distribution Learnability and Robustness
di: Ben-David, Shai, et al.
Pubblicazione: (2024)

Beyond Catoni: Sharper Rates for Heavy-Tailed and Robust Mean Estimation
di: Gupta, Shivam, et al.
Pubblicazione: (2023)

Module Lattice Security (Part III): Structured CVP Distance on the Log-Unit Lattice
di: Luo, Ming-Xing
Pubblicazione: (2026)

Not All Learnable Distribution Classes are Privately Learnable
di: Bun, Mark, et al.
Pubblicazione: (2024)

Smooth Lower Bounds for Differentially Private Algorithms via Padding-and-Permuting Fingerprinting Codes
di: Peter, Naty, et al.
Pubblicazione: (2023)

Analysis of Shuffling Beyond Pure Local Differential Privacy
di: Takagi, Shun, et al.
Pubblicazione: (2026)

Private Hyperparameter Tuning with Ex-Post Guarantee
di: Ghazi, Badih, et al.
Pubblicazione: (2025)

Individual Privacy Accounting for Differentially Private Stochastic Gradient Descent
di: Yu, Da, et al.
Pubblicazione: (2022)

PLAN: Variance-Aware Private Mean Estimation
di: Aumüller, Martin, et al.
Pubblicazione: (2023)

Space-Efficient Private Estimation of Quantiles
di: Cafaro, Massimo, et al.
Pubblicazione: (2025)

An average case efficient algorithm for solving two-variable linear Diophantine equations
di: Deora, Mayank, et al.
Pubblicazione: (2024)

The Discrete Gaussian for Differential Privacy
di: Canonne, Clément L., et al.
Pubblicazione: (2020)

Better Differentially Private Approximate Histograms and Heavy Hitters using the Misra-Gries Sketch
di: Lebeda, Christian Janos, et al.
Pubblicazione: (2023)

Lower Bounds for Private Estimation of Gaussian Covariance Matrices under All Reasonable Parameter Regimes
di: Portella, Victor S., et al.
Pubblicazione: (2024)

Computational Hardness of Private Coreset
di: Ghazi, Badih, et al.
Pubblicazione: (2026)

OciorCOOL: Faster Byzantine Agreement and Reliable Broadcast
di: Chen, Jinyuan
Pubblicazione: (2024)

Avoiding Pitfalls for Privacy Accounting of Subsampled Mechanisms under Composition
di: Lebeda, Christian Janos, et al.
Pubblicazione: (2024)

Asymptotically Optimal Sequential Testing with Heterogeneous LLMs
di: Li, Guokai, et al.
Pubblicazione: (2026)

Near-Optimal Differentially Private k-Core Decomposition
di: Dhulipala, Laxman, et al.
Pubblicazione: (2023)