Copertina

Privacy-Computation trade-offs in Private Repetition and Metaselection

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autore principale:	Talwar, Kunal
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Cryptography and Security Data Structures and Algorithms Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

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

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

Local Pan-Privacy for Federated Analytics
di: Feldman, Vitaly, et al.
Pubblicazione: (2025)

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

Private Online Learning via Lazy Algorithms
di: Asi, Hilal, et al.
Pubblicazione: (2024)

Instance-Optimal Private Density Estimation in the Wasserstein Distance
di: Feldman, Vitaly, et al.
Pubblicazione: (2024)

Private Vector Mean Estimation in the Shuffle Model: Optimal Rates Require Many Messages
di: Asi, Hilal, et al.
Pubblicazione: (2024)

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

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

Efficiently Computing Similarities to Private Datasets
di: Backurs, Arturs, et al.
Pubblicazione: (2024)

Fast John Ellipsoid Computation with Differential Privacy Optimization
di: Li, Xiaoyu, et al.
Pubblicazione: (2024)

Private Selection with Heterogeneous Sensitivities
di: Antonova, Daniela, et al.
Pubblicazione: (2025)

How Private are DP-SGD Implementations?
di: Chua, Lynn, et al.
Pubblicazione: (2024)

Faster Private Minimum Spanning Trees
di: Pagh, Rasmus, et al.
Pubblicazione: (2024)

Private Learning of Littlestone Classes, Revisited
di: Lyu, Xin
Pubblicazione: (2025)

Private Statistical Estimation via Truncation
di: Zampetakis, Manolis, et al.
Pubblicazione: (2025)

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

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

Private Mean Estimation with Person-Level Differential Privacy
di: Agarwal, Sushant, et al.
Pubblicazione: (2024)

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

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

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

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

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

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

The Discrete Gaussian for Differential Privacy
di: Canonne, Clément L., et al.
Pubblicazione: (2020)

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

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

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

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

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

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

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

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

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

Nearly-Linear Time Private Hypothesis Selection with the Optimal Approximation Factor
di: Aliakbarpour, Maryam, et al.
Pubblicazione: (2025)

Epsilon*: Privacy Metric for Machine Learning Models
di: Negoescu, Diana M., et al.
Pubblicazione: (2023)

Differential Private Stochastic Optimization with Heavy-tailed Data: Towards Optimal Rates
di: Zhao, Puning, et al.
Pubblicazione: (2024)

Making Old Things New: A Unified Algorithm for Differentially Private Clustering
di: la Tour, Max Dupré, et al.
Pubblicazione: (2024)

A Private Approximation of the 2nd-Moment Matrix of Any Subsamplable Input
di: Mahpud, Bar, et al.
Pubblicazione: (2025)