Buchumschlag

Diverse Community Data for Benchmarking Data Privacy Algorithms

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sen, Aniruddha, Task, Christine, Kapur, Dhruv, Howarth, Gary, Bhagat, Karan
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Data Privacy Preservation on the Internet of Things
von: Sen, Jaydip, et al.
Veröffentlicht: (2023)

Fidelity, Diversity, and Privacy: A Multi-Dimensional LLM Evaluation for Clinical Data Augmentation
von: Iglesias, Guillermo, et al.
Veröffentlicht: (2026)

Understanding the Impact of Data Domain Extraction on Synthetic Data Privacy
von: Ganev, Georgi, et al.
Veröffentlicht: (2025)

Managing Correlations in Data and Privacy Demand
von: Chaudhuri, Syomantak, et al.
Veröffentlicht: (2025)

Privacy Vulnerabilities in Marginals-based Synthetic Data
von: Golob, Steven, et al.
Veröffentlicht: (2024)

Training Data Reconstruction: Privacy due to Uncertainty?
von: Runkel, Christina, et al.
Veröffentlicht: (2024)

Privacy-Preserving Fair Synthetic Tabular Data
von: Sarmin, Fatima J., et al.
Veröffentlicht: (2025)

PrivaDE: Privacy-preserving Data Evaluation for Blockchain-based Data Marketplaces
von: Wong, Wan Ki, et al.
Veröffentlicht: (2025)

Do You Really Need Public Data? Surrogate Public Data for Differential Privacy on Tabular Data
von: Hod, Shlomi, et al.
Veröffentlicht: (2025)

Data Plagiarism Index: Characterizing the Privacy Risk of Data-Copying in Tabular Generative Models
von: Ward, Joshua, et al.
Veröffentlicht: (2024)

Leveraging Randomness in Model and Data Partitioning for Privacy Amplification
von: Dong, Andy, et al.
Veröffentlicht: (2025)

Synthetic Data: Revisiting the Privacy-Utility Trade-off
von: Sarmin, Fatima Jahan, et al.
Veröffentlicht: (2024)

Private Estimation when Data and Privacy Demands are Correlated
von: Chaudhuri, Syomantak, et al.
Veröffentlicht: (2024)

Does Training with Synthetic Data Truly Protect Privacy?
von: Zhao, Yunpeng, et al.
Veröffentlicht: (2025)

Privacy Backdoors: Stealing Data with Corrupted Pretrained Models
von: Feng, Shanglun, et al.
Veröffentlicht: (2024)

Scalable and Privacy-Preserving Synthetic Data Generation on Decentralised Web
von: Ramesh, Vishal, et al.
Veröffentlicht: (2023)

SMOTE-DP: Improving Privacy-Utility Tradeoff with Synthetic Data
von: Zhou, Yan, et al.
Veröffentlicht: (2025)

Privacy-Preserving Statistical Data Generation: Application to Sepsis Detection
von: Macias-Fassio, Eric, et al.
Veröffentlicht: (2024)

Distributed Deep Variational Approach for Privacy-preserving Data Release
von: Alsulaimawi, Zahir, et al.
Veröffentlicht: (2026)

Learning to Attack: Uncovering Privacy Risks in Sequential Data Releases
von: Cui, Ziyao, et al.
Veröffentlicht: (2025)

Poisoning Attacks to Local Differential Privacy Protocols for Trajectory Data
von: Hsu, I-Jung, et al.
Veröffentlicht: (2025)

Generated Data with Fake Privacy: Hidden Dangers of Fine-tuning Large Language Models on Generated Data
von: Akkus, Atilla, et al.
Veröffentlicht: (2024)

Privacy-Preserving Analytics for Smart Meter (AMI) Data: A Hybrid Approach to Comply with CPUC Privacy Regulations
von: Westrich, Benjamin
Veröffentlicht: (2025)

Decentralised, Collaborative, and Privacy-preserving Machine Learning for Multi-Hospital Data
von: Fang, Congyu, et al.
Veröffentlicht: (2024)

Differentially Private Active Learning: Balancing Effective Data Selection and Privacy
von: Schwethelm, Kristian, et al.
Veröffentlicht: (2024)

Privacy Amplification Through Synthetic Data: Insights from Linear Regression
von: Pierquin, Clément, et al.
Veröffentlicht: (2025)

Data Distribution Shifts in (Industrial) Federated Learning as a Privacy Issue
von: Brunner, David, et al.
Veröffentlicht: (2024)

SAFES: Sequential Privacy and Fairness Enhancing Data Synthesis for Responsible AI
von: Giddens, Spencer, et al.
Veröffentlicht: (2024)

Benchmarking GNNs Using Lightning Network Data
von: Feichtinger, Rainer, et al.
Veröffentlicht: (2024)

SafeSynthDP: Leveraging Large Language Models for Privacy-Preserving Synthetic Data Generation Using Differential Privacy
von: Nahid, Md Mahadi Hasan, et al.
Veröffentlicht: (2024)

Enhancing Feature-Specific Data Protection via Bayesian Coordinate Differential Privacy
von: Aliakbarpour, Maryam, et al.
Veröffentlicht: (2024)

Synth-MIA: A Testbed for Auditing Privacy Leakage in Tabular Data Synthesis
von: Ward, Joshua, et al.
Veröffentlicht: (2025)

PrivDiffuser: Privacy-Guided Diffusion Model for Data Obfuscation in Sensor Networks
von: Yang, Xin, et al.
Veröffentlicht: (2024)

Publishing Neural Networks in Drug Discovery Might Compromise Training Data Privacy
von: Krüger, Fabian P., et al.
Veröffentlicht: (2024)

Privacy Preserving Data Imputation via Multi-party Computation for Medical Applications
von: Jentsch, Julia, et al.
Veröffentlicht: (2024)

Explaining the Model, Protecting Your Data: Revealing and Mitigating the Data Privacy Risks of Post-Hoc Model Explanations via Membership Inference
von: Huang, Catherine, et al.
Veröffentlicht: (2024)

WaKA: Data Attribution using K-Nearest Neighbors and Membership Privacy Principles
von: Mesana, Patrick, et al.
Veröffentlicht: (2024)

Graph Privacy: A Heterogeneous Federated GNN for Trans-Border Financial Data Circulation
von: Tan, Zhizhong, et al.
Veröffentlicht: (2025)

A User-Centric, Privacy-Preserving, and Verifiable Ecosystem for Personal Data Management and Utilization
von: Zafar, Osama, et al.
Veröffentlicht: (2025)

Federated Learning for Cross-Domain Data Privacy: A Distributed Approach to Secure Collaboration
von: Zhang, Yiwei, et al.
Veröffentlicht: (2025)