Buchumschlag

Residue-based Label Protection Mechanisms in Vertical Logistic Regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tan, Juntao, Zhang, Lan, Liu, Yang, Li, Anran, Wu, Ye
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

VTarbel: Targeted Label Attack with Minimal Knowledge on Detector-enhanced Vertical Federated Learning
von: Tan, Juntao, et al.
Veröffentlicht: (2025)

A Study of Secure Algorithms for Vertical Federated Learning: Take Secure Logistic Regression as an Example
von: Wang, Huan-Chih, et al.
Veröffentlicht: (2024)

Riemannian Multinomial Logistics Regression for SPD Neural Networks
von: Chen, Ziheng, et al.
Veröffentlicht: (2023)

Leveraging Noisy Manual Labels as Useful Information: An Information Fusion Approach for Enhanced Variable Selection in Penalized Logistic Regression
von: Wu, Xiaofei, et al.
Veröffentlicht: (2025)

Compact Memory for Continual Logistic Regression
von: Jung, Yohan, et al.
Veröffentlicht: (2025)

LabObf: A Label Protection Scheme for Vertical Federated Learning Through Label Obfuscation
von: He, Ying, et al.
Veröffentlicht: (2024)

Large Stepsizes Accelerate Gradient Descent for Regularized Logistic Regression
von: Wu, Jingfeng, et al.
Veröffentlicht: (2025)

Efficient Logistic Regression with Mixture of Sigmoids
von: Di Gennaro, Federico, et al.
Veröffentlicht: (2026)

Benefits of Early Stopping in Gradient Descent for Overparameterized Logistic Regression
von: Wu, Jingfeng, et al.
Veröffentlicht: (2025)

Constant Stepsize Local GD for Logistic Regression: Acceleration by Instability
von: Crawshaw, Michael, et al.
Veröffentlicht: (2025)

Minimax Optimal Convergence of Gradient Descent in Logistic Regression via Large and Adaptive Stepsizes
von: Zhang, Ruiqi, et al.
Veröffentlicht: (2025)

F-measure Maximizing Logistic Regression
von: Okabe, Masaaki, et al.
Veröffentlicht: (2019)

Near-Polynomially Competitive Active Logistic Regression
von: Zhou, Yihan, et al.
Veröffentlicht: (2025)

An Experiment on Feature Selection using Logistic Regression
von: Islam, Raisa, et al.
Veröffentlicht: (2024)

RMLR: Extending Multinomial Logistic Regression into General Geometries
von: Chen, Ziheng, et al.
Veröffentlicht: (2024)

VMask: Tunable Label Privacy Protection for Vertical Federated Learning via Layer Masking
von: Tan, Juntao, et al.
Veröffentlicht: (2025)

Grokking in Linear Models for Logistic Regression
von: Das, Nataraj, et al.
Veröffentlicht: (2026)

Tight Bounds for Logistic Regression with Large Stepsize Gradient Descent in Low Dimension
von: Crawshaw, Michael, et al.
Veröffentlicht: (2026)

Residual Alignment: Uncovering the Mechanisms of Residual Networks
von: Li, Jianing, et al.
Veröffentlicht: (2024)

Transformers Efficiently Perform In-Context Logistic Regression via Normalized Gradient Descent
von: Zhang, Chenyang, et al.
Veröffentlicht: (2026)

Local Steps Speed Up Local GD for Heterogeneous Distributed Logistic Regression
von: Crawshaw, Michael, et al.
Veröffentlicht: (2025)

LFFR: Logistic Function For (single-output) Regression
von: Chiang, John
Veröffentlicht: (2024)

Data-Driven Logistic Regression Ensembles With Applications in Genomics
von: Christidis, Anthony-Alexander, et al.
Veröffentlicht: (2021)

$L_1$-norm Regularized Indefinite Kernel Logistic Regression
von: Wang, Shaoxin, et al.
Veröffentlicht: (2025)

Interpretable Predictive Models for Healthcare via Rational Logistic Regression
von: Suttaket, Thiti, et al.
Veröffentlicht: (2024)

Semi-supervised Regression Analysis with Model Misspecification and High-dimensional Data
von: Tian, Ye, et al.
Veröffentlicht: (2024)

RPWithPrior: Label Differential Privacy in Regression
von: Liu, Haixia, et al.
Veröffentlicht: (2026)

Financial Data Analysis with Robust Federated Logistic Regression
von: Yang, Kun, et al.
Veröffentlicht: (2025)

Revenue Maximization and Learning in Products Ranking
von: Chen, Ningyuan, et al.
Veröffentlicht: (2020)

Semi-Supervised Regression with Heteroscedastic Pseudo-Labels
von: Sun, Xueqing, et al.
Veröffentlicht: (2025)

LEA: Label Enumeration Attack in Vertical Federated Learning
von: Jiang, Wenhao, et al.
Veröffentlicht: (2026)

Mixed-feature Logistic Regression Robust to Distribution Shifts
von: Sun, Qingshi, et al.
Veröffentlicht: (2025)

Semi-parametric Functional Classification via Path Signatures Logistic Regression
von: Zeng, Pengcheng, et al.
Veröffentlicht: (2025)

ASRL:A robust loss function with potential for development
von: Hui, Chenyu, et al.
Veröffentlicht: (2025)

Certifying the Right to Be Forgotten: Primal-Dual Optimization for Sample and Label Unlearning in Vertical Federated Learning
von: Jiang, Yu, et al.
Veröffentlicht: (2025)

Regression generation adversarial network based on dual data evaluation strategy for industrial application
von: Wang, Zesen, et al.
Veröffentlicht: (2025)

Exponential Convergence of (Stochastic) Gradient Descent for Separable Logistic Regression
von: Kale, Sacchit, et al.
Veröffentlicht: (2026)

Striking a Balance: An Optimal Mechanism Design for Heterogenous Differentially Private Data Acquisition for Logistic Regression
von: Anjarlekar, Ameya, et al.
Veröffentlicht: (2023)

KDk: A Defense Mechanism Against Label Inference Attacks in Vertical Federated Learning
von: Arazzi, Marco, et al.
Veröffentlicht: (2024)

Prognostic Covariate Adjustment for Logistic Regression in Randomized Controlled Trials
von: Li, Yunfan, et al.
Veröffentlicht: (2024)