Buchumschlag

Lower Bounds for Private Estimation of Gaussian Covariance Matrices under All Reasonable Parameter Regimes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Portella, Victor S., Harvey, Nick
Format:	Preprint
Veröffentlicht:	2024
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

Private Low-Rank Approximation for Covariance Matrices, Dyson Brownian Motion, and Eigenvalue-Gap Bounds for Gaussian Perturbations
von: Mangoubi, Oren, et al.
Veröffentlicht: (2025)

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

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

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

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

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

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

Better and Simpler Lower Bounds for Differentially Private Statistical Estimation
von: Narayanan, Shyam
Veröffentlicht: (2023)

Optimal Bounds for Private Minimum Spanning Trees via Input Perturbation
von: Pagh, Rasmus, et al.
Veröffentlicht: (2024)

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

Improved Lower Bound for Differentially Private Facility Location
von: Manurangsi, Pasin
Veröffentlicht: (2024)

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

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

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

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

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

CoinPress: Practical Private Mean and Covariance Estimation
von: Biswas, Sourav, et al.
Veröffentlicht: (2020)

Private Selection with Heterogeneous Sensitivities
von: Antonova, Daniela, 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)

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

Differentially Private Clustering in Data Streams
von: Epasto, Alessandro, et al.
Veröffentlicht: (2023)

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

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

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

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

Locally Private Histograms in All Privacy Regimes
von: Canonne, Clément L., 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)

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

Private PAC Learning May be Harder than Online Learning
von: Bun, Mark, et al.
Veröffentlicht: (2024)

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

PREAMBLE: Private and Efficient Aggregation via Block Sparse Vectors
von: Asi, Hilal, et al.
Veröffentlicht: (2025)

A Smooth Binary Mechanism for Efficient Private Continual Observation
von: Andersson, Joel Daniel, et al.
Veröffentlicht: (2023)

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

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

Privately Estimating Black-Box Statistics
von: Steinke, Günter F., et al.
Veröffentlicht: (2025)

Adaptive Batch Size for Privately Finding Second-Order Stationary Points
von: Liu, Daogao, et al.
Veröffentlicht: (2024)

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