Buchumschlag

Attack-Aware Noise Calibration for Differential Privacy

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kulynych, Bogdan, Gomez, Juan Felipe, Kaissis, Georgios, Calmon, Flavio du Pin, Troncoso, Carmela
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Cryptography and Security Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Beyond the Calibration Point: Mechanism Comparison in Differential Privacy
von: Kaissis, Georgios, et al.
Veröffentlicht: (2024)

Unifying Re-Identification, Attribute Inference, and Data Reconstruction Risks in Differential Privacy
von: Kulynych, Bogdan, et al.
Veröffentlicht: (2025)

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

Tight Auditing of Differential Privacy in MST and AIM
von: Ganev, Georgi, et al.
Veröffentlicht: (2026)

Your Privacy Depends on Others: Collusion Vulnerabilities in Individual Differential Privacy
von: Kaiser, Johannes, et al.
Veröffentlicht: (2026)

An information theorist's tour of differential privacy
von: Sarwate, Anand D., et al.
Veröffentlicht: (2025)

Causal Digital Twins for Cyber-Physical Security: A Framework for Robust Anomaly Detection in Industrial Control Systems
von: Homaei, Mohammadhossein, et al.
Veröffentlicht: (2025)

Sequential Change Detection for Multiple Data Streams with Differential Privacy
von: Zhang, Lixing, et al.
Veröffentlicht: (2026)

Optimized Couplings for Watermarking Large Language Models
von: Tsur, Dor, et al.
Veröffentlicht: (2025)

Incentivising the federation: gradient-based metrics for data selection and valuation in private decentralised training
von: Usynin, Dmitrii, et al.
Veröffentlicht: (2023)

Monitoring Violations of Differential Privacy over Time
von: Askin, Önder, et al.
Veröffentlicht: (2025)

The Fundamental Limits of Least-Privilege Learning
von: Stadler, Theresa, et al.
Veröffentlicht: (2024)

Unbiased Statistical Estimation and Valid Confidence Intervals Under Differential Privacy
von: Covington, Christian, et al.
Veröffentlicht: (2021)

Correlated Privacy Mechanisms for Differentially Private Distributed Mean Estimation
von: Vithana, Sajani, et al.
Veröffentlicht: (2024)

Concentrated Differential Privacy for Bandits
von: Azize, Achraf, et al.
Veröffentlicht: (2023)

Differential Privacy in Federated Learning: Mitigating Inference Attacks with Randomized Response
von: Ozturk, Ozer, et al.
Veröffentlicht: (2025)

Concept-Aware Privacy Mechanisms for Defending Embedding Inversion Attacks
von: Tsai, Yu-Che, et al.
Veröffentlicht: (2026)

Beyond Covariance Matrix: The Statistical Complexity of Private Linear Regression
von: Chen, Fan, et al.
Veröffentlicht: (2025)

Unraveling the Connections between Privacy and Certified Robustness in Federated Learning Against Poisoning Attacks
von: Xie, Chulin, et al.
Veröffentlicht: (2022)

Training with Differential Privacy: A Gradient-Preserving Noise Reduction Approach with Provable Security
von: Wang, Haodi, et al.
Veröffentlicht: (2024)

Privacy of SGD under Gaussian or Heavy-Tailed Noise: Guarantees without Gradient Clipping
von: Şimşekli, Umut, et al.
Veröffentlicht: (2024)

Federated Transfer Learning with Differential Privacy
von: Li, Mengchu, et al.
Veröffentlicht: (2024)

A Statistical Viewpoint on Differential Privacy: Hypothesis Testing, Representation and Blackwell's Theorem
von: Su, Weijie J.
Veröffentlicht: (2024)

Modelling 1/f Noise in TRNGs via Fractional Brownian Motion
von: Skorski, Maciej
Veröffentlicht: (2024)

An Iterative Algorithm for Differentially Private $k$-PCA with Adaptive Noise
von: Düngler, Johanna, et al.
Veröffentlicht: (2025)

Optimal Regret of Bernoulli Bandits under Global Differential Privacy
von: Azize, Achraf, et al.
Veröffentlicht: (2025)

Adversarial Attack-Defense Co-Evolution for LLM Safety Alignment via Tree-Group Dual-Aware Search and Optimization
von: Li, Xurui, et al.
Veröffentlicht: (2025)

Mitigating Privacy-Utility Trade-off in Decentralized Federated Learning via $f$-Differential Privacy
von: Li, Xiang, et al.
Veröffentlicht: (2025)

Shifted Interpolation for Differential Privacy
von: Bok, Jinho, et al.
Veröffentlicht: (2024)

Composition Theorems for Multiple Differential Privacy Constraints
von: Cadir, Cemre, et al.
Veröffentlicht: (2026)

Optimality of Staircase Mechanisms for Vector Queries under Differential Privacy
von: Melbourne, James, et al.
Veröffentlicht: (2026)

Differential Privacy Overview and Fundamental Techniques
von: Fioretto, Ferdinando, et al.
Veröffentlicht: (2024)

Privacy-Preserving Decentralized Federated Learning via Explainable Adaptive Differential Privacy
von: Piran, Fardin Jalil, et al.
Veröffentlicht: (2025)

Persuasive Privacy
von: Bon, Joshua J, et al.
Veröffentlicht: (2026)

Score Attack: A Lower Bound Technique for Optimal Differentially Private Learning
von: Cai, T. Tony, et al.
Veröffentlicht: (2023)

Privacy Attack in Federated Learning is Not Easy: An Experimental Study
von: Zhu, Hangyu, et al.
Veröffentlicht: (2024)

Optimizing Noise for $f$-Differential Privacy via Anti-Concentration and Stochastic Dominance
von: Awan, Jordan, et al.
Veröffentlicht: (2023)

Differentially Private Secure Multiplication: Hiding Information in the Rubble of Noise
von: Cadambe, Viveck R., et al.
Veröffentlicht: (2023)

Can Differentially Private Fine-tuning LLMs Protect Against Privacy Attacks?
von: Du, Hao, et al.
Veröffentlicht: (2025)