Buchumschlag

Differentially Private Clustering in Data Streams

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Epasto, Alessandro, Mukherjee, Tamalika, Zhong, Peilin
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Data Structures and Algorithms Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Differentially Private Space-Efficient Algorithms for Counting Distinct Elements in the Turnstile Model
von: Cummings, Rachel, et al.
Veröffentlicht: (2025)

Sublinear Space Graph Algorithms in the Continual Release Model
von: Epasto, Alessandro, et al.
Veröffentlicht: (2024)

Perturb-and-Project: Differentially Private Similarities and Marginals
von: Cohen-Addad, Vincent, et al.
Veröffentlicht: (2024)

A Differentially Private Clustering Algorithm for Well-Clustered Graphs
von: He, Weiqiang, et al.
Veröffentlicht: (2024)

Differential privacy and Sublinear time are incompatible sometimes
von: Blocki, Jeremiah, et al.
Veröffentlicht: (2024)

Making Old Things New: A Unified Algorithm for Differentially Private Clustering
von: la Tour, Max Dupré, et al.
Veröffentlicht: (2024)

Private Continual Counting of Unbounded Streams
von: Jacobsen, Ben, et al.
Veröffentlicht: (2025)

Scalable Private Partition Selection via Adaptive Weighting
von: Chen, Justin Y., et al.
Veröffentlicht: (2025)

Streaming Private Continual Counting via Binning
von: Andersson, Joel Daniel, et al.
Veröffentlicht: (2024)

Differential Private Stochastic Optimization with Heavy-tailed Data: Towards Optimal Rates
von: Zhao, Puning, et al.
Veröffentlicht: (2024)

Differentially Private Multi-Sampling from Distributions
von: Cheu, Albert, et al.
Veröffentlicht: (2024)

Differentially Private Learning Beyond the Classical Dimensionality Regime
von: Dwork, Cynthia, et al.
Veröffentlicht: (2024)

Keeping a Secret Requires a Good Memory: Space Lower-Bounds for Private Algorithms
von: Epasto, Alessandro, et al.
Veröffentlicht: (2026)

Almost Tight Error Bounds on Differentially Private Continual Counting
von: Henzinger, Monika, et al.
Veröffentlicht: (2022)

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

On Differentially Private Subspace Estimation in a Distribution-Free Setting
von: Tsfadia, Eliad
Veröffentlicht: (2024)

Differentially Private Bootstrap: New Privacy Analysis and Inference Strategies
von: Wang, Zhanyu, et al.
Veröffentlicht: (2022)

Improved Accuracy for Private Continual Cardinality Estimation in Fully Dynamic Streams via Matrix Factorization
von: Andersson, Joel Daniel, et al.
Veröffentlicht: (2026)

On the Price of Differential Privacy for Hierarchical Clustering
von: Deng, Chengyuan, et al.
Veröffentlicht: (2025)

Scaling up the Banded Matrix Factorization Mechanism for Differentially Private ML
von: McKenna, Ryan
Veröffentlicht: (2024)

A Polynomial Time, Pure Differentially Private Estimator for Binary Product Distributions
von: Singhal, Vikrant
Veröffentlicht: (2023)

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

Normalized Square Root: Sharper Matrix Factorization Bounds for Differentially Private Continual Counting
von: Henzinger, Monika, et al.
Veröffentlicht: (2025)

Better Private Distribution Testing by Leveraging Unverified Auxiliary Data
von: Aliakbarpour, Maryam, et al.
Veröffentlicht: (2025)

DPSW-Sketch: A Differentially Private Sketch Framework for Frequency Estimation over Sliding Windows (Technical Report)
von: Wang, Yiping, et al.
Veröffentlicht: (2024)

On Differentially Private String Distances
von: Hu, Jerry Yao-Chieh, et al.
Veröffentlicht: (2024)

Private Selection with Heterogeneous Sensitivities
von: Antonova, Daniela, et al.
Veröffentlicht: (2025)

Fingerprinting Codes Meet Geometry: Improved Lower Bounds for Private Query Release and Adaptive Data Analysis
von: Lyu, Xin, et al.
Veröffentlicht: (2024)

Private Learning of Littlestone Classes, Revisited
von: Lyu, Xin
Veröffentlicht: (2025)

Private Statistical Estimation via Truncation
von: Zampetakis, Manolis, et al.
Veröffentlicht: (2025)

Efficiently Computing Similarities to Private Datasets
von: Backurs, Arturs, et al.
Veröffentlicht: (2024)

How Private are DP-SGD Implementations?
von: Chua, Lynn, et al.
Veröffentlicht: (2024)

Faster Private Minimum Spanning Trees
von: Pagh, Rasmus, et al.
Veröffentlicht: (2024)

Differentially Private Densest Subgraph Detection
von: Nguyen, Dung, et al.
Veröffentlicht: (2021)

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

Private Geometric Median in Nearly-Linear Time
von: Kumar, Syamantak, et al.
Veröffentlicht: (2025)

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

Privacy-Computation trade-offs in Private Repetition and Metaselection
von: Talwar, Kunal
Veröffentlicht: (2024)

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

Learning from End User Data with Shuffled Differential Privacy over Kernel Densities
von: Wagner, Tal
Veröffentlicht: (2025)