Buchumschlag

SoK: A Review of Differentially Private Linear Models For High-Dimensional Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Khanna, Amol, Raff, Edward, Inkawhich, Nathan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Cryptography and Security I.2
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Multi-layer Radial Basis Function Networks for Out-of-distribution Detection
von: Khanna, Amol, et al.
Veröffentlicht: (2025)

SoK: What Makes Private Learning Unfair?
von: Yao, Kai, et al.
Veröffentlicht: (2025)

SoK: Data Minimization in Machine Learning
von: Staab, Robin, et al.
Veröffentlicht: (2025)

Position: Challenges and Opportunities for Differential Privacy in the U.S. Federal Government
von: Khanna, Amol, et al.
Veröffentlicht: (2024)

SoK: Machine Unlearning for Large Language Models
von: Ren, Jie, et al.
Veröffentlicht: (2025)

SoK: Enhancing Cryptographic Collaborative Learning with Differential Privacy
von: Capano, Francesco, et al.
Veröffentlicht: (2026)

SoK: The Pitfalls of Deep Reinforcement Learning for Cybersecurity
von: McFadden, Shae, et al.
Veröffentlicht: (2026)

SoK: Unlearnability and Unlearning for Model Dememorization
von: Zhang, Mengying, et al.
Veröffentlicht: (2026)

SoK: Data Reconstruction Attacks Against Machine Learning Models: Definition, Metrics, and Benchmark
von: Wen, Rui, et al.
Veröffentlicht: (2025)

SoK: Dataset Copyright Auditing in Machine Learning Systems
von: Du, Linkang, et al.
Veröffentlicht: (2024)

SoK: Can Trajectory Generation Combine Privacy and Utility?
von: Buchholz, Erik, et al.
Veröffentlicht: (2024)

Mitigating Disparate Impact of Differentially Private Learning through Bounded Adaptive Clipping
von: Zhao, Linzh, et al.
Veröffentlicht: (2025)

SoK: Unintended Interactions among Machine Learning Defenses and Risks
von: Duddu, Vasisht, et al.
Veröffentlicht: (2023)

SoK: Reducing the Vulnerability of Fine-tuned Language Models to Membership Inference Attacks
von: Amit, Guy, et al.
Veröffentlicht: (2024)

SoK: Analyzing Adversarial Examples: A Framework to Study Adversary Knowledge
von: Fenaux, Lucas, et al.
Veröffentlicht: (2024)

SoK: On the Offensive Potential of AI
von: Schröer, Saskia Laura, et al.
Veröffentlicht: (2024)

SoK: Verifiable Cross-Silo FL
von: Korneev, Aleksei, et al.
Veröffentlicht: (2024)

SoK: Watermarking for AI-Generated Content
von: Zhao, Xuandong, et al.
Veröffentlicht: (2024)

SoK: Security Evaluation of Wi-Fi CSI Biometrics: Attacks, Metrics, and Open Challenges
von: Braga, Gioliano de Oliveira, et al.
Veröffentlicht: (2025)

SoK: Privacy-aware LLM in Healthcare: Threat Model, Privacy Techniques, Challenges and Recommendations
von: Tahera, Mohoshin Ara, et al.
Veröffentlicht: (2026)

SoK: Security and Privacy Risks of Healthcare AI
von: Chang, Yuanhaur, et al.
Veröffentlicht: (2024)

Towards Deep Encrypted Training: Low-Latency, Memory-Efficient, and High-Throughput Inference for Privacy-Preserving Neural Networks
von: Njungle, Nges Brian, et al.
Veröffentlicht: (2026)

SoK: Privacy Preserving Machine Learning using Functional Encryption: Opportunities and Challenges
von: Panzade, Prajwal, et al.
Veröffentlicht: (2022)

Public-Decay Homomorphic State Space Models for Private Sequence Inference
von: Brito, Luis
Veröffentlicht: (2026)

SoK: Blockchain-Based Decentralized AI (DeAI)
von: Lui, Elizabeth, et al.
Veröffentlicht: (2024)

SoK: Benchmarking Poisoning Attacks and Defenses in Federated Learning
von: Zhang, Heyi, et al.
Veröffentlicht: (2025)

SoK: A Systems Perspective on Compound AI Threats and Countermeasures
von: Banerjee, Sarbartha, et al.
Veröffentlicht: (2024)

Hiding in Plain Sight: Disguising Data Stealing Attacks in Federated Learning
von: Garov, Kostadin, et al.
Veröffentlicht: (2023)

MalDataGen: A Modular Framework for Synthetic Tabular Data Generation in Malware Detection
von: Paim, Kayua Oleques, et al.
Veröffentlicht: (2025)

A Formal Framework for Assessing and Mitigating Emergent Security Risks in Generative AI Models: Bridging Theory and Dynamic Risk Mitigation
von: Srivastava, Aviral, et al.
Veröffentlicht: (2024)

DP-2Stage: Adapting Language Models as Differentially Private Tabular Data Generators
von: Afonja, Tejumade, et al.
Veröffentlicht: (2024)

SoK: Practical Aspects of Releasing Differentially Private Graphs
von: D'Silva, Nicholas, et al.
Veröffentlicht: (2026)

SoK: Membership Inference Attacks on LLMs are Rushing Nowhere (and How to Fix It)
von: Meeus, Matthieu, et al.
Veröffentlicht: (2024)

PoTS: Proof-of-Training-Steps for Backdoor Detection in Large Language Models
von: Seddik, Issam, et al.
Veröffentlicht: (2025)

Comprehensive OOD Detection Improvements
von: Lakkapragada, Anish, et al.
Veröffentlicht: (2024)

SoK: Software Compartmentalization
von: Lefeuvre, Hugo, et al.
Veröffentlicht: (2024)

TSFool: Crafting Highly-Imperceptible Adversarial Time Series through Multi-Objective Attack
von: Wang, Yanyun, et al.
Veröffentlicht: (2022)

Bounding the Excess Risk for Linear Models Trained on Marginal-Preserving, Differentially-Private, Synthetic Data
von: Zhou, Yvonne, et al.
Veröffentlicht: (2024)

A Novel Bifurcation Method for Observation Perturbation Attacks on Reinforcement Learning Agents: Load Altering Attacks on a Cyber Physical Power System
von: Broda-Milian, Kiernan, et al.
Veröffentlicht: (2024)