Buchumschlag

Laplace Transform Interpretation of Differential Privacy

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chourasia, Rishav, Javaid, Uzair, Sikdar, Biplap
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

Auditing Apple's DifferentialPrivacy.framework: Implementation Bugs, Misconfigurations, and Practical Risks
von: Chourasia, Rishav, et al.
Veröffentlicht: (2026)

EPIC: Enhancing Privacy through Iterative Collaboration
von: Chourasia, Prakash, et al.
Veröffentlicht: (2024)

Pure Differential Privacy for Functional Summaries with a Laplace-like Process
von: Lin, Haotian, et al.
Veröffentlicht: (2023)

Wasserstein Differential Privacy
von: Yang, Chengyi, et al.
Veröffentlicht: (2024)

Privacy-Preserving Transformers: SwiftKey's Differential Privacy Implementation
von: Abouelenin, Abdelrahman, et al.
Veröffentlicht: (2025)

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

Contrastive Explainable Clustering with Differential Privacy
von: Nguyen, Dung, et al.
Veröffentlicht: (2024)

Limits of Personalizing Differential Privacy Budgets
von: Cyffers, Edwige, et al.
Veröffentlicht: (2026)

Setting $\varepsilon$ is not the Issue in Differential Privacy
von: Cyffers, Edwige
Veröffentlicht: (2025)

Revisiting Hyperparameter Tuning with Differential Privacy
von: Ding, Youlong, et al.
Veröffentlicht: (2022)

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

Auditing $f$-Differential Privacy in One Run
von: Mahloujifar, Saeed, et al.
Veröffentlicht: (2024)

Differential Privacy in the Extensive-Form Bandit Problem
von: Pasteris, Stephen, et al.
Veröffentlicht: (2026)

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

A Privacy-Preserving Framework for Advertising Personalization Incorporating Federated Learning and Differential Privacy
von: Li, Xiang, et al.
Veröffentlicht: (2025)

Convergent Differential Privacy Analysis for General Federated Learning
von: Sun, Yan, et al.
Veröffentlicht: (2024)

Auditing Differential Privacy Guarantees Using Density Estimation
von: Koskela, Antti, et al.
Veröffentlicht: (2024)

Efficient Federated Unlearning with Adaptive Differential Privacy Preservation
von: Jiang, Yu, et al.
Veröffentlicht: (2024)

Empirical Calibration and Metric Differential Privacy in Language Models
von: Faustini, Pedro, et al.
Veröffentlicht: (2025)

Poincaré Differential Privacy for Hierarchy-Aware Graph Embedding
von: Wei, Yuecen, et al.
Veröffentlicht: (2023)

A New Analysis of Differential Privacy's Generalization Guarantees
von: Jung, Christopher, et al.
Veröffentlicht: (2019)

Multi-Class Support Vector Machine with Differential Privacy
von: Park, Jinseong, et al.
Veröffentlicht: (2025)

Purifying Approximate Differential Privacy with Randomized Post-processing
von: Lin, Yingyu, et al.
Veröffentlicht: (2025)

Augment then Smooth: Reconciling Differential Privacy with Certified Robustness
von: Wu, Jiapeng, et al.
Veröffentlicht: (2023)

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

Sequentially Auditing Differential Privacy
von: González, Tomás, et al.
Veröffentlicht: (2025)

VFLGAN-TS: Vertical Federated Learning-based Generative Adversarial Networks for Publication of Vertically Partitioned Time-Series Data
von: Yuan, Xun, et al.
Veröffentlicht: (2024)

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

DDP-SA: Scalable Privacy-Preserving Federated Learning via Distributed Differential Privacy and Secure Aggregation
von: Wei, Wenjing, et al.
Veröffentlicht: (2026)

Calibrating Practical Privacy Risks for Differentially Private Machine Learning
von: Gu, Yuechun, et al.
Veröffentlicht: (2024)

How Well Can Differential Privacy Be Audited in One Run?
von: Keinan, Amit, et al.
Veröffentlicht: (2025)

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

Differential Privacy in Kernelized Contextual Bandits via Random Projections
von: Pavlovic, Nikola, et al.
Veröffentlicht: (2025)

Towards Explainable Federated Learning: Understanding the Impact of Differential Privacy
von: Oliveira, Júlio, et al.
Veröffentlicht: (2026)

Cape: Context-Aware Prompt Perturbation Mechanism with Differential Privacy
von: Wu, Haoqi, et al.
Veröffentlicht: (2025)

Differentially Private Relational Learning with Entity-level Privacy Guarantees
von: Huang, Yinan, et al.
Veröffentlicht: (2025)

Complex-valued Federated Learning with Differential Privacy and MRI Applications
von: Riess, Anneliese, et al.
Veröffentlicht: (2021)

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

CENTAUR: Bridging the Impossible Trinity of Privacy, Efficiency, and Performance in Privacy-Preserving Transformer Inference
von: Luo, Jinglong, et al.
Veröffentlicht: (2024)

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