Buchumschlag

Smooth Sensitivity for Learning Differentially-Private yet Accurate Rule Lists

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ly, Timothée, Ferry, Julien, Huguet, Marie-José, Gambs, Sébastien, Aivodji, Ulrich
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Training Set Reconstruction from Differentially Private Forests: How Effective is DP?
von: Gorgé, Alice, et al.
Veröffentlicht: (2025)

Probabilistic Dataset Reconstruction from Interpretable Models
von: Ferry, Julien, et al.
Veröffentlicht: (2023)

Differentially Private Iterative Screening Rules for Linear Regression
von: Khanna, Amol, et al.
Veröffentlicht: (2025)

Taming the Triangle: On the Interplays Between Fairness, Interpretability, and Privacy in Machine Learning
von: Julien Ferry, et al.
Veröffentlicht: (2025)

Linearizing Models for Efficient yet Robust Private Inference
von: Sarkar, Sreetama, et al.
Veröffentlicht: (2024)

Revealing the True Cost of Locally Differentially Private Protocols: An Auditing Perspective
von: Arcolezi, Héber H., et al.
Veröffentlicht: (2023)

Revisiting Locally Differentially Private Protocols: Towards Better Trade-offs in Privacy, Utility, and Attack Resistance
von: Arcolezi, Héber H., et al.
Veröffentlicht: (2025)

Differentially Private Deep Model-Based Reinforcement Learning
von: Rio, Alexandre, et al.
Veröffentlicht: (2024)

Differentially Private In-Context Learning with Nearest Neighbor Search
von: Koskela, Antti, et al.
Veröffentlicht: (2025)

Differentially Private Model Merging
von: Yin, Qichuan, et al.
Veröffentlicht: (2026)

eyeballvul: a future-proof benchmark for vulnerability detection in the wild
von: Chauvin, Timothee
Veröffentlicht: (2024)

Differentially Private Block-wise Gradient Shuffle for Deep Learning
von: Zagardo, David
Veröffentlicht: (2024)

Privacy-Preserving Federated Learning with Differentially Private Hyperdimensional Computing
von: Piran, Fardin Jalil, et al.
Veröffentlicht: (2024)

Data-adaptive Differentially Private Prompt Synthesis for In-Context Learning
von: Gao, Fengyu, et al.
Veröffentlicht: (2024)

DP-TabICL: In-Context Learning with Differentially Private Tabular Data
von: Carey, Alycia N., et al.
Veröffentlicht: (2024)

A New Linear Scaling Rule for Private Adaptive Hyperparameter Optimization
von: Panda, Ashwinee, et al.
Veröffentlicht: (2022)

Differentially Private Worst-group Risk Minimization
von: Zhou, Xinyu, et al.
Veröffentlicht: (2024)

RQP-SGD: Differential Private Machine Learning through Noisy SGD and Randomized Quantization
von: Feng, Ce, et al.
Veröffentlicht: (2024)

Crowding Out The Noise: Algorithmic Collective Action Under Differential Privacy
von: Solanki, Rushabh, et al.
Veröffentlicht: (2025)

Differentially Private Selection using Smooth Sensitivity
von: Chaves, Iago, et al.
Veröffentlicht: (2025)

Improved Algorithms for Differentially Private Language Model Alignment
von: Chen, Keyu, et al.
Veröffentlicht: (2025)

Provable Differentially Private Computation of the Cross-Attention Mechanism
von: Ke, Yekun, et al.
Veröffentlicht: (2024)

Evaluating Differentially Private Generation of Domain-Specific Text
von: Sun, Yidan, et al.
Veröffentlicht: (2025)

Locally Differentially Private In-Context Learning
von: Zheng, Chunyan, et al.
Veröffentlicht: (2024)

Differentially Private Synthetic Data Release for Topics API Outputs
von: Dick, Travis, et al.
Veröffentlicht: (2025)

Trained Random Forests Completely Reveal your Dataset
von: Ferry, Julien, et al.
Veröffentlicht: (2024)

Differentially Private Reinforcement Learning with Self-Play
von: Qiao, Dan, et al.
Veröffentlicht: (2024)

Clients Collaborate: Flexible Differentially Private Federated Learning with Guaranteed Improvement of Utility-Privacy Trade-off
von: Li, Yuecheng, et al.
Veröffentlicht: (2024)

Differentially Private Synthetic Data Generation Using Context-Aware GANs
von: Kotal, Anantaa, et al.
Veröffentlicht: (2025)

Differentially Private Preference Data Synthesis for Large Language Model Alignment
von: Gao, Fengyu, et al.
Veröffentlicht: (2026)

Reconstruction of Differentially Private Text Sanitization via Large Language Models
von: Pang, Shuchao, et al.
Veröffentlicht: (2024)

Differentially Private Publication of Electricity Time Series Data in Smart Grids
von: Shaham, Sina, et al.
Veröffentlicht: (2024)

On Mitigating the Utility-Loss in Differentially Private Learning: A new Perspective by a Geometrically Inspired Kernel Approach
von: Kumar, Mohit, et al.
Veröffentlicht: (2023)

A Robust Framework for Secure Cardiovascular Risk Prediction: An Architectural Case Study of Differentially Private Federated Learning
von: Tertulino, Rodrigo, et al.
Veröffentlicht: (2026)

Can Differentially Private Fine-tuning LLMs Protect Against Privacy Attacks?
von: Du, Hao, et al.
Veröffentlicht: (2025)

GraMFedDHAR: Graph Based Multimodal Differentially Private Federated HAR
von: Halder, Labani, et al.
Veröffentlicht: (2025)

Too Good to be True? Turn Any Model Differentially Private With DP-Weights
von: Zagardo, David
Veröffentlicht: (2024)

Differentially Private Distributed Inference
von: Papachristou, Marios, et al.
Veröffentlicht: (2024)

dpmm: Differentially Private Marginal Models, a Library for Synthetic Tabular Data Generation
von: Mahiou, Sofiane, et al.
Veröffentlicht: (2025)

Privately Learning Decision Lists and a Differentially Private Winnow
von: Bun, Mark, et al.
Veröffentlicht: (2026)