Buchumschlag

Differentially Private Synthetic Data via APIs 3: Using Simulators Instead of Foundation Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lin, Zinan, Baltrusaitis, Tadas, Wang, Wenyu, Yekhanin, Sergey
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Cryptography and Security Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Differentially Private Synthetic Data via Foundation Model APIs 1: Images
von: Lin, Zinan, et al.
Veröffentlicht: (2023)

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

From Easy to Hard++: Promoting Differentially Private Image Synthesis Through Spatial-Frequency Curriculum
von: Gong, Chen, et al.
Veröffentlicht: (2026)

PrivImage: Differentially Private Synthetic Image Generation using Diffusion Models with Semantic-Aware Pretraining
von: Li, Kecen, et al.
Veröffentlicht: (2023)

Learning Differentially Private Diffusion Models via Stochastic Adversarial Distillation
von: Liu, Bochao, et al.
Veröffentlicht: (2024)

Differentially Private Bias-Term Fine-tuning of Foundation Models
von: Bu, Zhiqi, et al.
Veröffentlicht: (2022)

Differentially Private Neural Tangent Kernels for Privacy-Preserving Data Generation
von: Yang, Yilin, et al.
Veröffentlicht: (2023)

RAPID: Retrieval Augmented Training of Differentially Private Diffusion Models
von: Jiang, Tanqiu, et al.
Veröffentlicht: (2025)

Adaptive Diffusion Denoised Smoothing : Certified Robustness via Randomized Smoothing with Differentially Private Guided Denoising Diffusion
von: Shpilevskiy, Frederick, et al.
Veröffentlicht: (2025)

Privacy-Preserving Student Learning with Differentially Private Data-Free Distillation
von: Liu, Bochao, et al.
Veröffentlicht: (2024)

REAEDP: Entropy-Calibrated Differentially Private Data Release with Formal Guarantees and Attack-Based Evaluation
von: Ma, Bo, et al.
Veröffentlicht: (2026)

Differentially Private Fine-Tuning of Diffusion Models
von: Tsai, Yu-Lin, et al.
Veröffentlicht: (2024)

NoisePrints: Distortion-Free Watermarks for Authorship in Private Diffusion Models
von: Goren, Nir, et al.
Veröffentlicht: (2025)

DP-RDM: Adapting Diffusion Models to Private Domains Without Fine-Tuning
von: Lebensold, Jonathan, et al.
Veröffentlicht: (2024)

Examining the Threat Landscape: Foundation Models and Model Stealing
von: Raj, Ankita, et al.
Veröffentlicht: (2025)

Mudjacking: Patching Backdoor Vulnerabilities in Foundation Models
von: Liu, Hongbin, et al.
Veröffentlicht: (2024)

RenderBender: A Survey on Adversarial Attacks Using Differentiable Rendering
von: Hull, Matthew, et al.
Veröffentlicht: (2024)

Harnessing the Power of Large Vision Language Models for Synthetic Image Detection
von: Keita, Mamadou, et al.
Veröffentlicht: (2024)

Decomposing Private Image Generation via Coarse-to-Fine Wavelet Modeling
von: Bayrooti, Jasmine, et al.
Veröffentlicht: (2026)

Amplified Patch-Level Differential Privacy for Free via Random Cropping
von: Durmaz, Kaan, et al.
Veröffentlicht: (2026)

DCT-CryptoNets: Scaling Private Inference in the Frequency Domain
von: Roy, Arjun, et al.
Veröffentlicht: (2024)

StolenLoRA: Exploring LoRA Extraction Attacks via Synthetic Data
von: Wang, Yixu, et al.
Veröffentlicht: (2025)

Differentially Private Integrated Decision Gradients (IDG-DP) for Radar-based Human Activity Recognition
von: Zakariyya, Idris, et al.
Veröffentlicht: (2024)

LoREnc: Low-Rank Encryption for Securing Foundation Models and LoRA Adapters
von: Ahn, Beomjin, et al.
Veröffentlicht: (2026)

Private Gradient Estimation is Useful for Generative Modeling
von: Liu, Bochao, et al.
Veröffentlicht: (2023)

Accurate and Private Diagnosis of Rare Genetic Syndromes from Facial Images with Federated Deep Learning
von: Ünal, Ali Burak, et al.
Veröffentlicht: (2025)

Bi-LORA: A Vision-Language Approach for Synthetic Image Detection
von: Keita, Mamadou, et al.
Veröffentlicht: (2024)

Towards Model Resistant to Transferable Adversarial Examples via Trigger Activation
von: Yu, Yi, et al.
Veröffentlicht: (2025)

Differential Anomaly Detection for Facial Images
von: Ibsen, Mathias, et al.
Veröffentlicht: (2021)

On the Privacy Effect of Data Enhancement via the Lens of Memorization
von: Li, Xiao, et al.
Veröffentlicht: (2022)

Deep Learning with Data Privacy via Residual Perturbation
von: Tao, Wenqi, et al.
Veröffentlicht: (2024)

SoK: Can Synthetic Images Replace Real Data? A Survey of Utility and Privacy of Synthetic Image Generation
von: Chung, Yunsung, et al.
Veröffentlicht: (2025)

VidLeaks: Membership Inference Attacks Against Text-to-Video Models
von: Wang, Li, et al.
Veröffentlicht: (2026)

Jailbreaking the Non-Transferable Barrier via Test-Time Data Disguising
von: Xiang, Yongli, et al.
Veröffentlicht: (2025)

Latent Zoning Network: A Unified Principle for Generative Modeling, Representation Learning, and Classification
von: Lin, Zinan, et al.
Veröffentlicht: (2025)

Extracting Training Data from Unconditional Diffusion Models
von: Chen, Yunhao, et al.
Veröffentlicht: (2024)

R-CONV: An Analytical Approach for Efficient Data Reconstruction via Convolutional Gradients
von: Eltaras, Tamer Ahmed, et al.
Veröffentlicht: (2024)

SIDE: Surrogate Conditional Data Extraction from Diffusion Models
von: Chen, Yunhao, et al.
Veröffentlicht: (2024)

Generalizable Targeted Data Poisoning against Varying Physical Objects
von: Chen, Zhizhen, et al.
Veröffentlicht: (2024)

The Devil's Advocate: Shattering the Illusion of Unexploitable Data using Diffusion Models
von: Dolatabadi, Hadi M., et al.
Veröffentlicht: (2023)