Buchumschlag

Privacy Preserving Adaptive Experiment Design

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Jiachun, Shi, Kaining, Simchi-Levi, David
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Methodology Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Auditing Differential Privacy in the Black-Box Setting
von: Shi, Kaining, et al.
Veröffentlicht: (2025)

Beyond ATE: Multi-Criteria Design for A/B Testing
von: Li, Jiachun, et al.
Veröffentlicht: (2025)

On the Optimal Regret of Locally Private Linear Contextual Bandit
von: Li, Jiachun, et al.
Veröffentlicht: (2024)

Privacy-Preserving Customer Support: A Framework for Secure and Scalable Interactions
von: Awasthi, Anant Prakash, et al.
Veröffentlicht: (2024)

Beyond Covariance Matrix: The Statistical Complexity of Private Linear Regression
von: Chen, Fan, et al.
Veröffentlicht: (2025)

Sequentially Auditing Differential Privacy
von: González, Tomás, et al.
Veröffentlicht: (2025)

PrAda-GAN: A Private Adaptive Generative Adversarial Network with Bayes Network Structure
von: Jia, Ke, et al.
Veröffentlicht: (2025)

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

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

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

Bayesian Adversarial Privacy
von: Bell, Cameron, et al.
Veröffentlicht: (2026)

Causal Discovery Under Local Privacy
von: Binkytė, Rūta, et al.
Veröffentlicht: (2023)

A Survey on Differential Privacy for SpatioTemporal Data in Transportation Research
von: Bhadani, Rahul
Veröffentlicht: (2024)

Navigating the Designs of Privacy-Preserving Fine-tuning for Large Language Models
von: Shi, Haonan, et al.
Veröffentlicht: (2025)

De-amplifying Bias from Differential Privacy in Language Model Fine-tuning
von: Srivastava, Sanjari, et al.
Veröffentlicht: (2024)

Distribution-Aware Mean Estimation under User-level Local Differential Privacy
von: Pla, Corentin, et al.
Veröffentlicht: (2024)

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

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

Certified Causal Defense with Generalizable Robustness
von: Qiao, Yiran, et al.
Veröffentlicht: (2024)

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

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

Estimation of conditional average treatment effects on distributed confidential data
von: Kawamata, Yuji, et al.
Veröffentlicht: (2024)

Resampling methods for private statistical inference
von: Chadha, Karan, et al.
Veröffentlicht: (2024)

Watermarking Counterfactual Explanations
von: Guo, Hangzhi, et al.
Veröffentlicht: (2024)

Differentially Private E-Values
von: Csillag, Daniel, et al.
Veröffentlicht: (2025)

CausalArmor: Efficient Indirect Prompt Injection Guardrails via Causal Attribution
von: Kim, Minbeom, et al.
Veröffentlicht: (2026)

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

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

Efficient Federated Unlearning with Adaptive Differential Privacy Preservation
von: Jiang, Yu, et al.
Veröffentlicht: (2024)

Optimal Adaptive Experimental Design for Estimating Treatment Effect
von: Li, Jiachun, et al.
Veröffentlicht: (2024)

Inference With Combining Rules From Multiple Differentially Private Synthetic Datasets
von: Nombo, Leila, et al.
Veröffentlicht: (2024)

Methods for generating and evaluating synthetic longitudinal patient data: a systematic review
von: Perkonoja, Katariina, et al.
Veröffentlicht: (2023)

An Interactive Framework for Implementing Privacy-Preserving Federated Learning: Experiments on Large Language Models
von: Ahmadi, Kasra, et al.
Veröffentlicht: (2025)

Adaptive Coded Federated Learning: Privacy Preservation and Straggler Mitigation
von: Li, Chengxi, et al.
Veröffentlicht: (2024)

Prior-itizing Privacy: A Bayesian Approach to Setting the Privacy Budget in Differential Privacy
von: Kazan, Zeki, et al.
Veröffentlicht: (2023)

Privacy-Preserving Inference for Quantized BERT Models
von: Lu, Tianpei, et al.
Veröffentlicht: (2025)

A Privacy-Preserving Framework for Advertising Personalization Incorporating Federated Learning and Differential Privacy
von: Li, Xiang, et al.
Veröffentlicht: (2025)

Debiasing Watermarks for Large Language Models via Maximal Coupling
von: Xie, Yangxinyu, et al.
Veröffentlicht: (2024)

mPSAuth: Privacy-Preserving and Scalable Authentication for Mobile Web Applications
von: Monschein, David, et al.
Veröffentlicht: (2022)

Privacy-Preserving EHR Data Transformation via Geometric Operators: A Human-AI Co-Design Technical Report
von: Wang, Maolin, et al.
Veröffentlicht: (2026)