Buchumschlag

Optimality of Matrix Mechanism on $\ell_p^p$-metric

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Jingcheng, Upadhyay, Jalaj, Zou, Zongrui
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Almost linear time differentially private release of synthetic graphs
von: Liu, Jingcheng, et al.
Veröffentlicht: (2024)

Back to Square Roots: An Optimal Bound on the Matrix Factorization Error for Multi-Epoch Differentially Private SGD
von: Kalinin, Nikita P., et al.
Veröffentlicht: (2025)

Differentially Private Decentralized Learning with Random Walks
von: Cyffers, Edwige, et al.
Veröffentlicht: (2024)

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

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

Correlated Noise Mechanisms for Differentially Private Learning
von: Pillutla, Krishna, et al.
Veröffentlicht: (2025)

On the Price of Differential Privacy for Hierarchical Clustering
von: Deng, Chengyuan, et al.
Veröffentlicht: (2025)

Deterministic Hardness of Approximation of Unique-SVP and GapSVP in $\ell_p$ norms for $p>2$
von: Hecht, Yahli, et al.
Veröffentlicht: (2025)

Near-Optimal Generalized Private Testing
von: Chaturvedi, Anamay, et al.
Veröffentlicht: (2026)

Privacy Amplification for Matrix Mechanisms
von: Choquette-Choo, Christopher A., et al.
Veröffentlicht: (2023)

Sampling-Free Privacy Accounting for Matrix Mechanisms under Random Allocation
von: Schuchardt, Jan, et al.
Veröffentlicht: (2026)

Generalization Properties of Adversarial Training for $\ell_0$-Bounded Adversarial Attacks
von: Delgosha, Payam, et al.
Veröffentlicht: (2024)

DMM: Distributed Matrix Mechanism for Differentially-Private Federated Learning Based on Constant-Overhead Linear Secret Resharing
von: Bienstock, Alexander, et al.
Veröffentlicht: (2024)

RAMP: Boosting Adversarial Robustness Against Multiple $l_p$ Perturbations for Universal Robustness
von: Jiang, Enyi, et al.
Veröffentlicht: (2024)

Contrastive Learning-Based privacy metrics in Tabular Synthetic Datasets
von: Palacios, Milton Nicolás Plasencia, et al.
Veröffentlicht: (2025)

Banded Square Root Matrix Factorization for Differentially Private Model Training
von: Kalinin, Nikita P., et al.
Veröffentlicht: (2024)

Secure Sparse Matrix Multiplications and their Applications to Privacy-Preserving Machine Learning
von: Damie, Marc, et al.
Veröffentlicht: (2025)

Improved Privacy-Preserving PCA Using Optimized Homomorphic Matrix Multiplication
von: Ma, Xirong
Veröffentlicht: (2023)

Fusing Pruned and Backdoored Models: Optimal Transport-based Data-free Backdoor Mitigation
von: Lin, Weilin, et al.
Veröffentlicht: (2024)

The Price of Privacy For Approximating Max-CSP
von: Dharangutte, Prathamesh, et al.
Veröffentlicht: (2026)

Authority Backdoor: A Certifiable Backdoor Mechanism for Authoring DNNs
von: Yang, Han, et al.
Veröffentlicht: (2025)

Constructing Adversarial Examples for Vertical Federated Learning: Optimal Client Corruption through Multi-Armed Bandit
von: Yao, Duanyi, et al.
Veröffentlicht: (2024)

Practical Bayes-Optimal Membership Inference Attacks
von: Lassila, Marcus, et al.
Veröffentlicht: (2025)

Optimal Fairness under Local Differential Privacy
von: Ghoukasian, Hrad, et al.
Veröffentlicht: (2025)

Privacy-Preserving Optimal Parameter Selection for Collaborative Clustering
von: Ghasemian, Maryam, et al.
Veröffentlicht: (2024)

Exactly Minimax-Optimal Locally Differentially Private Sampling
von: Park, Hyun-Young, et al.
Veröffentlicht: (2024)

Rate-Optimal Rank Aggregation with Private Pairwise Rankings
von: Xu, Shirong, et al.
Veröffentlicht: (2024)

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

Optimal Locally Private Nonparametric Classification with Public Data
von: Ma, Yuheng, et al.
Veröffentlicht: (2023)

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

On the Privacy of Selection Mechanisms with Gaussian Noise
von: Lebensold, Jonathan, et al.
Veröffentlicht: (2024)

Attack Smarter: Attention-Driven Fine-Grained Webpage Fingerprinting Attacks
von: Yuan, Yali, et al.
Veröffentlicht: (2025)

PIShield: Detecting Prompt Injection Attacks via Intrinsic LLM Features
von: Zou, Wei, et al.
Veröffentlicht: (2025)

Privacy Amplification for the Gaussian Mechanism via Bounded Support
von: Hu, Shengyuan, et al.
Veröffentlicht: (2024)

Auditing Privacy Mechanisms via Label Inference Attacks
von: Busa-Fekete, Róbert István, et al.
Veröffentlicht: (2024)

Evaluating Generalization Mechanisms in Autonomous Cyber Attack Agents
von: Lukáš, Ondřej, et al.
Veröffentlicht: (2026)

Optimal Client Sampling in Federated Learning with Client-Level Heterogeneous Differential Privacy
von: Xu, Jiahao, et al.
Veröffentlicht: (2025)

Less Random, More Private: What is the Optimal Subsampling Scheme for DP-SGD?
von: Dong, Andy, et al.
Veröffentlicht: (2026)

Unified Mechanism-Specific Amplification by Subsampling and Group Privacy Amplification
von: Schuchardt, Jan, et al.
Veröffentlicht: (2024)

DPIS: An Enhanced Mechanism for Differentially Private SGD with Importance Sampling
von: Wei, Jianxin, et al.
Veröffentlicht: (2022)