:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Askin, Önder, Dette, Holger, Dunsche, Martin, Kutta, Tim, Lu, Yun, Wei, Yu, Zikas, Vassilis
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Statistics Theory Methodology
Online-Zugang:	https://arxiv.org/abs/2502.07066
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Monitoring Violations of Differential Privacy over Time
von: Askin, Önder, et al.
Veröffentlicht: (2025)

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

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

Inference for Forecasting Accuracy: Pooled versus Individual Estimators in High-dimensional Panel Data
von: Kutta, Tim, et al.
Veröffentlicht: (2025)

SILENT: A New Lens on Statistics in Software Timing Side Channels
von: Dunsche, Martin, et al.
Veröffentlicht: (2025)

Auditing Differential Privacy in the Black-Box Setting
von: Shi, Kaining, et al.
Veröffentlicht: (2025)

Monitoring Time Series for Relevant Changes
von: Bastian, Patrick, et al.
Veröffentlicht: (2025)

Unbiased Statistical Estimation and Valid Confidence Intervals Under Differential Privacy
von: Covington, Christian, et al.
Veröffentlicht: (2021)

Mitigating Privacy-Utility Trade-off in Decentralized Federated Learning via $f$-Differential Privacy
von: Li, Xiang, et al.
Veröffentlicht: (2025)

Uncertainty quantification by block bootstrap for differentially private stochastic gradient descent
von: Dette, Holger, et al.
Veröffentlicht: (2024)

Differentially Private Federated Learning: Servers Trustworthiness, Estimation, and Statistical Inference
von: Zhang, Zhe, et al.
Veröffentlicht: (2024)

Simulation-based, Finite-sample Inference for Privatized Data
von: Awan, Jordan, et al.
Veröffentlicht: (2023)

The Normal Distributions Indistinguishability Spectrum and its Application to Privacy-Preserving Machine Learning
von: Wei, Yu, et al.
Veröffentlicht: (2023)

Bayesian Adversarial Privacy
von: Bell, Cameron, et al.
Veröffentlicht: (2026)

Nonparametric extensions of randomized response for private confidence sets
von: Waudby-Smith, Ian, et al.
Veröffentlicht: (2022)

Score Attack: A Lower Bound Technique for Optimal Differentially Private Learning
von: Cai, T. Tony, et al.
Veröffentlicht: (2023)

Federated Transfer Learning with Differential Privacy
von: Li, Mengchu, et al.
Veröffentlicht: (2024)

Differentially Private Inference for Longitudinal Linear Regression
von: Sopa, Getoar, et al.
Veröffentlicht: (2026)

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

PrIsing: Privacy-Preserving Peer Effect Estimation via Ising Model
von: Chakraborty, Abhinav, et al.
Veröffentlicht: (2024)

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

Prior-itizing Privacy: A Bayesian Approach to Setting the Privacy Budget in Differential Privacy
von: Kazan, Zeki, et al.
Veröffentlicht: (2023)

Differentially Private Verification of Survey-Weighted Estimates
von: Lin, Tong, et al.
Veröffentlicht: (2024)

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

Differentially Private Finite Population Estimation via Survey Weight Regularization
von: Seeman, Jeremy, et al.
Veröffentlicht: (2024)

Optimal Debiased Inference on Privatized Data via Indirect Estimation and Parametric Bootstrap
von: Wang, Zhanyu, et al.
Veröffentlicht: (2025)

Measuring deviations from spherical symmetry
von: Bai, Lujia, et al.
Veröffentlicht: (2025)

Gradual changes in functional time series
von: Bastian, Patrick, et al.
Veröffentlicht: (2024)

Simultaneous semiparametric inference for single-index models
von: Tang, Jiajun, et al.
Veröffentlicht: (2024)

Exponential Inequalities for Some Mixing Processes and Dynamic Systems
von: Yuan, Zihao, et al.
Veröffentlicht: (2022)

Does PCA Work for Rough Functional Data?
von: Kutta, Tim, et al.
Veröffentlicht: (2026)

Pseudo-Equilibria, or: How to Stop Worrying About Crypto and Just Analyze the Game
von: Psomas, Alexandros, et al.
Veröffentlicht: (2025)

DP-SPRT: Differentially Private Sequential Probability Ratio Tests
von: Michel, Thomas, et al.
Veröffentlicht: (2025)

Practically significant change points in high dimension -- measuring signal strength pro active component
von: Quanz, Pascal, et al.
Veröffentlicht: (2025)

Estimation of conditional average treatment effects on distributed confidential data
von: Kawamata, Yuji, et al.
Veröffentlicht: (2024)

Private Prediction Sets
von: Angelopoulos, Anastasios N., et al.
Veröffentlicht: (2021)

Multi-resolution subsampling for large-scale linear classification
von: Chen, Haolin, et al.
Veröffentlicht: (2024)

Multiple change point detection in functional data with applications to biomechanical fatigue data
von: Bastian, Patrick, et al.
Veröffentlicht: (2023)

A portmanteau test for multivariate non-stationary functional time series with an increasing number of lags
von: Bai, Lujia, et al.
Veröffentlicht: (2024)

Validating spatial-temporal separability for stationary processes
von: Bai, Lujia, et al.
Veröffentlicht: (2026)