Buchumschlag

Noise-Aware Differentially Private Regression via Meta-Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Räisä, Ossi, Markou, Stratis, Ashman, Matthew, Bruinsma, Wessel P., Tobaben, Marlon, Honkela, Antti, Turner, Richard E.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Accuracy-First Rényi Differential Privacy and Post-Processing Immunity
von: Räisä, Ossi, et al.
Veröffentlicht: (2025)

Subsampling is not Magic: Why Large Batch Sizes Work for Differentially Private Stochastic Optimisation
von: Räisä, Ossi, et al.
Veröffentlicht: (2024)

$f$-Differential Privacy Filters: Validity and Approximate Solutions
von: Tran, Long, et al.
Veröffentlicht: (2026)

Privacy Leakage via Output Label Space and Differentially Private Continual Learning
von: Tobaben, Marlon, et al.
Veröffentlicht: (2024)

Efficient and Scalable Implementation of Differentially Private Deep Learning without Shortcuts
von: Beltran, Sebastian Rodriguez, et al.
Veröffentlicht: (2024)

Noise-Aware Differentially Private Variational Inference
von: Alrawajfeh, Talal, et al.
Veröffentlicht: (2024)

Empirical Comparison of Membership Inference Attacks in Deep Transfer Learning
von: Bai, Yuxuan, et al.
Veröffentlicht: (2025)

On Reliability of Efficient Membership Inference Vulnerability Evaluation
von: Jälkö, Joonas, et al.
Veröffentlicht: (2026)

Impact of Dataset Properties on Membership Inference Vulnerability of Deep Transfer Learning
von: Tobaben, Marlon, et al.
Veröffentlicht: (2024)

Beyond Membership: Limitations of Add/Remove Adjacency in Differential Privacy
von: Pradhan, Gauri, et al.
Veröffentlicht: (2025)

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

Practical Differentially Private Hyperparameter Tuning with Subsampling
von: Koskela, Antti, et al.
Veröffentlicht: (2023)

A Bias-Variance Decomposition for Ensembles over Multiple Synthetic Datasets
von: Räisä, Ossi, et al.
Veröffentlicht: (2024)

Differentially Private Distance Query with Asymmetric Noise
von: Sheng, Weihong, et al.
Veröffentlicht: (2025)

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

Gaussian DP for Reporting Differential Privacy Guarantees in Machine Learning
von: Gomez, Juan Felipe, et al.
Veröffentlicht: (2025)

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

Noise-Aware Algorithm for Heterogeneous Differentially Private Federated Learning
von: Malekmohammadi, Saber, et al.
Veröffentlicht: (2024)

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

Missing Mass for Differentially Private Domain Discovery
von: Dick, Travis, et al.
Veröffentlicht: (2026)

Differentially Private Federated Learning without Noise Addition: When is it Possible?
von: Zhang, Jiang, et al.
Veröffentlicht: (2024)

Some Constructions of Private, Efficient, and Optimal $K$-Norm and Elliptic Gaussian Noise
von: Joseph, Matthew, et al.
Veröffentlicht: (2023)

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

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

Differentially Private Contrastive Learning via Bounding Group-level Contribution
von: Li, Kecen, et al.
Veröffentlicht: (2026)

Mitigating Noise Detriment in Differentially Private Federated Learning with Model Pre-training
von: Jin, Huitong, et al.
Veröffentlicht: (2024)

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

Sub-optimal Learning in Meta-Classifier Attacks: A Study of Membership Inference on Differentially Private Location Aggregates
von: Liu, Yuhan, et al.
Veröffentlicht: (2024)

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

Differentially Private Post-Processing for Fair Regression
von: Xian, Ruicheng, et al.
Veröffentlicht: (2024)

SnapAudit: Active Auditing of Differentially Private In-Context Learning via Snapshot-Based Simulation
von: Xia, Yuyang, et al.
Veröffentlicht: (2025)

Differentially Private Finite Population Estimation via Survey Weight Regularization
von: Seeman, Jeremy, et al.
Veröffentlicht: (2024)

Correlated Noise Provably Beats Independent Noise for Differentially Private Learning
von: Choquette-Choo, Christopher A., et al.
Veröffentlicht: (2023)

Improving Parameter-Efficient Federated Learning with Differentially Private Refactorization
von: Tran, Linh, et al.
Veröffentlicht: (2026)

Privacy Profiles for Private Selection
von: Koskela, Antti, et al.
Veröffentlicht: (2024)

Accuracy Improvement in Differentially Private Logistic Regression: A Pre-training Approach
von: Hoseinpour, Mohammad, et al.
Veröffentlicht: (2023)

Differentially Private Online Federated Learning with Correlated Noise
von: Zhang, Jiaojiao, et al.
Veröffentlicht: (2024)

DiSK: Differentially Private Optimizer with Simplified Kalman Filter for Noise Reduction
von: Zhang, Xinwei, et al.
Veröffentlicht: (2024)

DOPPLER: Differentially Private Optimizers with Low-pass Filter for Privacy Noise Reduction
von: Zhang, Xinwei, et al.
Veröffentlicht: (2024)

GCON: Differentially Private Graph Convolutional Network via Objective Perturbation
von: Wei, Jianxin, et al.
Veröffentlicht: (2024)