Buchumschlag

Modeling Linear and Non-linear Layers: An MILP Approach Towards Finding Differential and Impossible Differential Propagations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pal, Debranjan, Chandratreya, Vishal Pankaj, Das, Abhijit, Chowdhury, Dipanwita Roy
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Enhancing the MILP/MIQCP-based Automatic Search for Differential-Linear Distinguishers of Simon-Like Ciphers
von: Chen, Siwei, et al.
Veröffentlicht: (2024)

EnThM: Energy Theft Mitigation in Smart Grids using Hierarchical Verification of Metering Data
von: Banerjee, Tapadyoti, et al.
Veröffentlicht: (2026)

Analyzing Linear Layers in Related-Differential Cryptanalysis
von: Kumar, Yogesh, et al.
Veröffentlicht: (2026)

Robustness of Locally Differentially Private Graph Analysis Against Poisoning
von: Imola, Jacob, et al.
Veröffentlicht: (2022)

Metric Differential Privacy at the User-Level Via the Earth Mover's Distance
von: Imola, Jacob, et al.
Veröffentlicht: (2024)

Advances in Differential Privacy and Differentially Private Machine Learning
von: Das, Saswat, et al.
Veröffentlicht: (2024)

Local Layer-wise Differential Privacy in Federated Learning
von: Li, Yunbo, et al.
Veröffentlicht: (2026)

Scarcity Is Not Enough: An Impossibility Result for Linear Sybil Cost Under Parallelizable Resources
von: Maleki, Homayoun, et al.
Veröffentlicht: (2026)

Towards the Impossibility of Non-Signalling Privacy Amplification from Time-Like Ordering Constraints
von: Arnon, Rotem, et al.
Veröffentlicht: (2012)

Noise Variance Optimization in Differential Privacy: A Game-Theoretic Approach Through Per-Instance Differential Privacy
von: Ryu, Sehyun, et al.
Veröffentlicht: (2024)

Two Birds with One Stone: Differential Privacy by Low-power SRAM Memory
von: Liu, Jianqing, et al.
Veröffentlicht: (2024)

A Novel Approach to Differential Privacy with Alpha Divergence
von: Liu, Yifeng, et al.
Veröffentlicht: (2025)

Differentially Private Multi-objective Selection: Pareto and Aggregation Approaches
von: Farias, Victor A. E., et al.
Veröffentlicht: (2024)

Analyzing the Differentially Private Theil-Sen Estimator for Simple Linear Regression
von: Sarathy, Jayshree, et al.
Veröffentlicht: (2022)

Private Linear Regression with Differential Privacy and PAC Privacy
von: Yang, Hillary, et al.
Veröffentlicht: (2024)

Optimal conversion from Rényi Differential Privacy to $f$-Differential Privacy
von: Riess, Anneliese, et al.
Veröffentlicht: (2026)

Verifiable Differential Privacy
von: Biswas, Ari, et al.
Veröffentlicht: (2022)

Multilevel Verification on a Single Digital Decentralized Distributed (DDD) Ledger
von: Thada, Ayush, et al.
Veröffentlicht: (2024)

Cooperative Local Differential Privacy: Securing Time Series Data in Distributed Environments
von: Singh, Bikash Chandra, et al.
Veröffentlicht: (2025)

Towards A Hybrid Quantum Differential Privacy
von: Song, Baobao, et al.
Veröffentlicht: (2025)

Differentially Private Sparse Linear Regression with Heavy-tailed Responses
von: Tian, Xizhi, et al.
Veröffentlicht: (2025)

Differentially Private Linear Optimization for Multi-Party Resource Sharing
von: Karaca, Utku, et al.
Veröffentlicht: (2021)

Emission Impossible: privacy-preserving carbon emissions claims
von: Man, Jessica, et al.
Veröffentlicht: (2025)

Bitcoin-Enhanced Proof-of-Stake Security: Possibilities and Impossibilities
von: Tas, Ertem Nusret, et al.
Veröffentlicht: (2022)

Verified Foundations for Differential Privacy
von: de Medeiros, Markus, et al.
Veröffentlicht: (2024)

Practical Considerations for Differential Privacy
von: Amin, Kareem, et al.
Veröffentlicht: (2024)

Differential Privacy Made Easy
von: Aitsam, Muhammad
Veröffentlicht: (2022)

Differential Privacy for Network Assortativity
von: Ma, Fei, et al.
Veröffentlicht: (2025)

Network-Aware Differential Privacy
von: Li, Zhou, et al.
Veröffentlicht: (2025)

Differentially Private Optimization for Non-Decomposable Objective Functions
von: Kong, Weiwei, et al.
Veröffentlicht: (2023)

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

Improving the Privacy and Practicality of Objective Perturbation for Differentially Private Linear Learners
von: Redberg, Rachel, et al.
Veröffentlicht: (2023)

Unclonable Cryptography with Unbounded Collusions and Impossibility of Hyperefficient Shadow Tomography
von: Çakan, Alper, et al.
Veröffentlicht: (2023)

Differentially Private Diffusion Models
von: Dockhorn, Tim, et al.
Veröffentlicht: (2022)

Concave is the New Linear: The Impossibility of Anti-Plutocratic DAO Governance
von: Bennett, Austin, et al.
Veröffentlicht: (2026)

Differentially Private Parameter-Efficient Fine-tuning for Large ASR Models
von: Liu, Hongbin, et al.
Veröffentlicht: (2024)

Efficient Verifiable Differential Privacy with Input Authenticity in the Local and Shuffle Model
von: Bontekoe, Tariq, et al.
Veröffentlicht: (2024)

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

Tight Differential Privacy Guarantees for the Shuffle Model with $k$-Randomized Response
von: Biswas, Sayan, et al.
Veröffentlicht: (2022)

RAIN: Secure and Robust Aggregation under Shuffle Model of Differential Privacy
von: Li, Yuhang, et al.
Veröffentlicht: (2026)