Copertina

Differentially Private Permutation Tests: Applications to Kernel Methods

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Kim, Ilmun, Schrab, Antonin
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Statistics Theory Cryptography and Security Machine Learning Methodology
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

A Permutation-free Kernel Two-Sample Test
di: Shekhar, Shubhanshu, et al.
Pubblicazione: (2022)

Differentially Private Inference for Longitudinal Linear Regression
di: Sopa, Getoar, et al.
Pubblicazione: (2026)

Differentially Private Federated Learning: Servers Trustworthiness, Estimation, and Statistical Inference
di: Zhang, Zhe, et al.
Pubblicazione: (2024)

Score Attack: A Lower Bound Technique for Optimal Differentially Private Learning
di: Cai, T. Tony, et al.
Pubblicazione: (2023)

Federated Transfer Learning with Differential Privacy
di: Li, Mengchu, et al.
Pubblicazione: (2024)

Differentially Private Joint Independence Test
di: Liu, Xingwei, et al.
Pubblicazione: (2025)

Mitigating Privacy-Utility Trade-off in Decentralized Federated Learning via $f$-Differential Privacy
di: Li, Xiang, et al.
Pubblicazione: (2025)

DP-SPRT: Differentially Private Sequential Probability Ratio Tests
di: Michel, Thomas, et al.
Pubblicazione: (2025)

Bayesian Adversarial Privacy
di: Bell, Cameron, et al.
Pubblicazione: (2026)

Nonparametric extensions of randomized response for private confidence sets
di: Waudby-Smith, Ian, et al.
Pubblicazione: (2022)

More Permutations Do Not Always Increase Power: Non-monotonicity in Monte Carlo Permutation Tests
di: Cha, Suman, et al.
Pubblicazione: (2026)

A Unified View of Optimal Kernel Hypothesis Testing
di: Schrab, Antonin
Pubblicazione: (2025)

Differentially Private Manifold Denoising
di: Wu, Jiaqi, et al.
Pubblicazione: (2026)

On Differentially Private U Statistics
di: Chaudhuri, Kamalika, et al.
Pubblicazione: (2024)

Differentially Private Best-Arm Identification
di: Azize, Achraf, et al.
Pubblicazione: (2024)

Simulation-based, Finite-sample Inference for Privatized Data
di: Awan, Jordan, et al.
Pubblicazione: (2023)

Differentially private projection-depth-based medians
di: Ramsay, Kelly, et al.
Pubblicazione: (2023)

CURATE: Scaling-up Differentially Private Causal Graph Discovery
di: Bhattacharjee, Payel, et al.
Pubblicazione: (2024)

Robust Kernel Hypothesis Testing under Data Corruption
di: Schrab, Antonin, et al.
Pubblicazione: (2024)

Differentially Private Sliced Inverse Regression: Minimax Optimality and Algorithm
di: Xia, Xintao, et al.
Pubblicazione: (2024)

Monitoring Violations of Differential Privacy over Time
di: Askin, Önder, et al.
Pubblicazione: (2025)

Contraction of Locally Differentially Private Mechanisms
di: Asoodeh, Shahab, et al.
Pubblicazione: (2022)

Differentially Private E-Values
di: Csillag, Daniel, et al.
Pubblicazione: (2025)

Unbiased Statistical Estimation and Valid Confidence Intervals Under Differential Privacy
di: Covington, Christian, et al.
Pubblicazione: (2021)

Locally minimax optimal confidence sets for the best model
di: Kim, Ilmun, et al.
Pubblicazione: (2025)

Dimension-agnostic inference using cross U-statistics
di: Kim, Ilmun, et al.
Pubblicazione: (2020)

Differentially Private Synthetic High-dimensional Tabular Stream
di: Kumar, Girish, et al.
Pubblicazione: (2024)

Differentially Private Covariate Balancing Causal Inference
di: Ohnishi, Yuki, et al.
Pubblicazione: (2024)

An Iterative Algorithm for Differentially Private $k$-PCA with Adaptive Noise
di: Düngler, Johanna, et al.
Pubblicazione: (2025)

Differentially Private Range Queries with Correlated Input Perturbation
di: Dharangutte, Prathamesh, et al.
Pubblicazione: (2024)

Majority Vote for Distributed Differentially Private Sign Selection
di: Liu, Weidong, et al.
Pubblicazione: (2022)

Improving the Variance of Differentially Private Randomized Experiments through Clustering
di: Javanmard, Adel, et al.
Pubblicazione: (2023)

A Statistical Viewpoint on Differential Privacy: Hypothesis Testing, Representation and Blackwell's Theorem
di: Su, Weijie J.
Pubblicazione: (2024)

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

PrivATE: Differentially Private Confidence Intervals for Average Treatment Effects
di: Schröder, Maresa, et al.
Pubblicazione: (2025)

Testing Credibility of Public and Private Surveys through the Lens of Regression
di: Basu, Debabrota, et al.
Pubblicazione: (2024)

On Privately Estimating a Single Parameter
di: Asi, Hilal, et al.
Pubblicazione: (2025)

PrIsing: Privacy-Preserving Peer Effect Estimation via Ising Model
di: Chakraborty, Abhinav, et al.
Pubblicazione: (2024)

Optimal Survey Design for Private Mean Estimation
di: Chen, Yu-Wei, et al.
Pubblicazione: (2025)

A Scalable Nystrom-Based Kernel Two-Sample Test with Permutations
di: Chatalic, Antoine, et al.
Pubblicazione: (2025)