Buchumschlag

Minimax Optimal Two-Sample Testing under Local Differential Privacy

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mun, Jongmin, Kwak, Seungwoo, Kim, Ilmun
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Cryptography and Security 62G10
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Differentially Private Joint Independence Test
von: Liu, Xingwei, et al.
Veröffentlicht: (2025)

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

When Do Generalized Permutation Tests Achieve Optimal Power? A Dispersion Characterization
von: Kim, Yongmin, et al.
Veröffentlicht: (2026)

Differentially private multivariate medians
von: Ramsay, Kelly, et al.
Veröffentlicht: (2022)

Differentially Private Permutation Tests: Applications to Kernel Methods
von: Kim, Ilmun, et al.
Veröffentlicht: (2023)

Sequential Auditing for f-Differential Privacy
von: Kutta, Tim, et al.
Veröffentlicht: (2026)

Differentially private projection-depth-based medians
von: Ramsay, Kelly, et al.
Veröffentlicht: (2023)

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

Differentially Private Confidence Intervals for Proportions under Stratified Random Sampling
von: Lin, Shurong, et al.
Veröffentlicht: (2023)

Differentially Private Synthetic Data with Private Density Estimation
von: Bojkovic, Nikolija, et al.
Veröffentlicht: (2024)

Federated Nonparametric Hypothesis Testing with Differential Privacy Constraints: Optimal Rates and Adaptive Tests
von: Cai, T. Tony, et al.
Veröffentlicht: (2024)

The Minimax Risk in Testing Uniformity over Large Alphabets under Missing-Ball Alternatives
von: Kipnis, Alon
Veröffentlicht: (2023)

Differentially private testing for relevant dependencies in high dimensions
von: Bastian, Patrick, et al.
Veröffentlicht: (2025)

Minimax And Adaptive Transfer Learning for Nonparametric Classification under Distributed Differential Privacy Constraints
von: Auddy, Arnab, et al.
Veröffentlicht: (2024)

The Projected Covariance Measure for assumption-lean variable significance testing
von: Lundborg, Anton Rask, et al.
Veröffentlicht: (2022)

Nonparametric Conditional Local Independence Testing
von: Christgau, Alexander Mangulad, et al.
Veröffentlicht: (2022)

Locally Differentially Private Two-Sample Testing
von: Kent, Alexander, et al.
Veröffentlicht: (2025)

Optimal Private and Communication Constraint Distributed Goodness-of-Fit Testing for Discrete Distributions in the Large Sample Regime
von: Vuursteen, Lasse
Veröffentlicht: (2024)

Local Differential Privacy is Not Enough: A Sample Reconstruction Attack against Federated Learning with Local Differential Privacy
von: You, Zhichao, et al.
Veröffentlicht: (2025)

Locally Optimal Private Sampling: Beyond the Global Minimax
von: Ghoukasian, Hrad, et al.
Veröffentlicht: (2025)

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

On Evaluating the Poisoning Robustness of Federated Learning under Local Differential Privacy
von: Wang, Zijian, et al.
Veröffentlicht: (2025)

Minimax Optimal Kernel Two-Sample Tests with Random Features
von: Mukherjee, Soumya, et al.
Veröffentlicht: (2025)

Testing Conditional Mean Independence Using Generative Neural Networks
von: Zhang, Yi, et al.
Veröffentlicht: (2025)

Degree-Preserving Randomized Response for Graph Neural Networks under Local Differential Privacy
von: Hidano, Seira, et al.
Veröffentlicht: (2022)

Differentially Private Sliced Inverse Regression: Minimax Optimality and Algorithm
von: Xia, Xintao, et al.
Veröffentlicht: (2024)

Jacobian-Guided Anisotropic Noise Reshaping for Enhancing Representation Utility under Local Differential Privacy
von: Ha, Youngmok, et al.
Veröffentlicht: (2026)

Robust Nonparametric Two-Sample Tests via Mutual Information using Extended Bregman Divergence
von: Pyne, Arijit
Veröffentlicht: (2026)

Robust Statistical Comparison of Random Variables with Locally Varying Scale of Measurement
von: Jansen, Christoph, et al.
Veröffentlicht: (2023)

Deep Learning under Fractional-Order Differential Privacy
von: Partohaghighi, Mohammad, et al.
Veröffentlicht: (2026)

Two-Sample Testing with Missing Data via Energy Distance: Weighting and Imputation Approaches
von: Aleksić, Danijel G., et al.
Veröffentlicht: (2025)

HETAL: Efficient Privacy-preserving Transfer Learning with Homomorphic Encryption
von: Lee, Seewoo, et al.
Veröffentlicht: (2024)

Poisoning Attacks to Local Differential Privacy Protocols for Trajectory Data
von: Hsu, I-Jung, et al.
Veröffentlicht: (2025)

On the Statistical Complexity of Estimation and Testing under Privacy Constraints
von: Lalanne, Clément, et al.
Veröffentlicht: (2022)

Local Differential Privacy with Correlated Noise Achieves Central-DP Optimal Cost
von: Pathegama, Madhura, et al.
Veröffentlicht: (2026)

Prediction with Expert Advice under Local Differential Privacy
von: Jacobsen, Ben, et al.
Veröffentlicht: (2025)

Local Differential Privacy in Graph Neural Networks: a Reconstruction Approach
von: Bhaila, Karuna, et al.
Veröffentlicht: (2023)

Improved Communication-Privacy Trade-offs in $L_2$ Mean Estimation under Streaming Differential Privacy
von: Chen, Wei-Ning, et al.
Veröffentlicht: (2024)

Benchmarking the Utility of Privacy-Preserving Cox Regression Under Data-Driven Clipping Bounds: A Multi-Dataset Simulation Study
von: Fukuyama, Keita, et al.
Veröffentlicht: (2026)

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