Buchumschlag

Differentially Private Learned Indexes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Du, Jianzhang, Mudgal, Tilak, Gadre, Rutvi Rahul, Luo, Yukui, Wang, Chenghong
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Databases Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SPECIAL: Synopsis Assisted Secure Collaborative Analytics
von: Wang, Chenghong, et al.
Veröffentlicht: (2024)

Differentially Private Synthetic Data Generation for Relational Databases
von: Alimohammadi, Kaveh, et al.
Veröffentlicht: (2024)

Differentially Private Selection using Smooth Sensitivity
von: Chaves, Iago, et al.
Veröffentlicht: (2025)

PE-means: Improved Differentially Private $k$-means Clustering through Private Evolution
von: Humphries, Thomas, et al.
Veröffentlicht: (2026)

DPSQL+: A Differentially Private SQL Library with a Minimum Frequency Rule
von: Matsumoto, Tomoya, et al.
Veröffentlicht: (2026)

SSNet: A Lightweight Multi-Party Computation Scheme for Practical Privacy-Preserving Machine Learning Service in the Cloud
von: Duan, Shijin, et al.
Veröffentlicht: (2024)

Systematic Assessment of Tabular Data Synthesis
von: Du, Yuntao, et al.
Veröffentlicht: (2024)

Differentially Private Inductive Miner
von: Schulze, Max, et al.
Veröffentlicht: (2024)

Differentially Private Explanations for Clusters
von: Gilad, Amir, et al.
Veröffentlicht: (2025)

TabularMark: Watermarking Tabular Datasets for Machine Learning
von: Zheng, Yihao, et al.
Veröffentlicht: (2024)

Towards Split Learning-based Privacy-Preserving Record Linkage
von: Zervas, Michail, et al.
Veröffentlicht: (2024)

Differentially Private Stream Processing at Scale
von: Zhang, Bing, et al.
Veröffentlicht: (2023)

Enhancing Data Provenance and Model Transparency in Federated Learning Systems -- A Database Approach
von: Gu, Michael, et al.
Veröffentlicht: (2024)

Differentially Private Data Generation with Missing Data
von: Mohapatra, Shubhankar, et al.
Veröffentlicht: (2023)

CryptoTrain: Fast Secure Training on Encrypted Dataset
von: Xue, Jiaqi, et al.
Veröffentlicht: (2024)

AdaPI: Facilitating DNN Model Adaptivity for Efficient Private Inference in Edge Computing
von: Zhou, Tong, et al.
Veröffentlicht: (2024)

Privacy-Preserved Neural Graph Databases
von: Hu, Qi, et al.
Veröffentlicht: (2023)

Delving into Differentially Private Transformer
von: Ding, Youlong, et al.
Veröffentlicht: (2024)

Differentially Private High-dimensional Variable Selection via Integer Programming
von: Prastakos, Petros, et al.
Veröffentlicht: (2025)

Interpreting the Error of Differentially Private Median Queries through Randomization Intervals
von: Humphries, Thomas, et al.
Veröffentlicht: (2026)

Supersonic OT: Fast Unconditionally Secure Oblivious Transfer
von: Abadi, Aydin, et al.
Veröffentlicht: (2024)

Multi-Layer Privacy-Preserving Record Linkage with Clerical Review based on gradual information disclosure
von: Rohde, Florens, et al.
Veröffentlicht: (2024)

MongoDB Injection Query Classification Model using MongoDB Log files as Training Data
von: Perni, Shaunak, et al.
Veröffentlicht: (2026)

Leveraging large language models for SQL behavior-based database intrusion detection
von: Shlezinger, Meital, et al.
Veröffentlicht: (2025)

FERMI: Exploiting Relations for Membership Inference Against Tabular Diffusion Models
von: Mahyar, Abtin, et al.
Veröffentlicht: (2026)

VeriX-Anon: A Multi-Layered Framework for Mathematically Verifiable Outsourced Target-Driven Data Anonymization
von: Daga, Miit, et al.
Veröffentlicht: (2026)

Preventing the Popular Item Embedding Based Attack in Federated Recommendations
von: Zhang, Jun, et al.
Veröffentlicht: (2025)

ResidualPlanner+: a scalable matrix mechanism for marginals and beyond
von: Xiao, Yingtai, et al.
Veröffentlicht: (2023)

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

Privately Answering Queries on Skewed Data via Per Record Differential Privacy
von: Seeman, Jeremy, et al.
Veröffentlicht: (2023)

Privately Learning Decision Lists and a Differentially Private Winnow
von: Bun, Mark, et al.
Veröffentlicht: (2026)

Differentially Private Federated Learning: A Systematic Review
von: Fu, Jie, et al.
Veröffentlicht: (2024)

Private and Communication-Efficient Federated Learning based on Differentially Private Sketches
von: Zhang, Meifan, et al.
Veröffentlicht: (2024)

Learning Federated Neural Graph Databases for Answering Complex Queries from Distributed Knowledge Graphs
von: Hu, Qi, et al.
Veröffentlicht: (2024)

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

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

Differentially Private Release and Learning of Threshold Functions
von: Bun, Mark, et al.
Veröffentlicht: (2015)

From Randomized Response to Randomized Index: Answering Subset Counting Queries with Local Differential Privacy
von: Ye, Qingqing, et al.
Veröffentlicht: (2025)

Learning from Anonymized and Incomplete Tabular Data
von: Lange, Lucas, et al.
Veröffentlicht: (2026)

Revisiting Differentially Private Hyper-parameter Tuning
von: Xiang, Zihang, et al.
Veröffentlicht: (2024)