Buchumschlag

Beyond Covariance Matrix: The Statistical Complexity of Private Linear Regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Fan, Li, Jiachun, Rakhlin, Alexander, Simchi-Levi, David
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Cryptography and Security Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On the Optimal Regret of Locally Private Linear Contextual Bandit
von: Li, Jiachun, et al.
Veröffentlicht: (2024)

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

Beyond the Calibration Point: Mechanism Comparison in Differential Privacy
von: Kaissis, Georgios, et al.
Veröffentlicht: (2024)

On Differentially Private U Statistics
von: Chaudhuri, Kamalika, et al.
Veröffentlicht: (2024)

Privacy Preserving Adaptive Experiment Design
von: Li, Jiachun, et al.
Veröffentlicht: (2024)

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

A Statistical Hypothesis Testing Framework for Data Misappropriation Detection in Large Language Models
von: Cai, Yinpeng, et al.
Veröffentlicht: (2025)

Differentially Private Iterative Screening Rules for Linear Regression
von: Khanna, Amol, et al.
Veröffentlicht: (2025)

Attack-Aware Noise Calibration for Differential Privacy
von: Kulynych, Bogdan, et al.
Veröffentlicht: (2024)

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

Optimal Survey Design for Private Mean Estimation
von: Chen, Yu-Wei, et al.
Veröffentlicht: (2025)

Differentially Private Manifold Denoising
von: Wu, Jiaqi, et al.
Veröffentlicht: (2026)

Decision Making in Changing Environments: Robustness, Query-Based Learning, and Differential Privacy
von: Chen, Fan, et al.
Veröffentlicht: (2025)

Differentially Private Best-Arm Identification
von: Azize, Achraf, et al.
Veröffentlicht: (2024)

On Privately Estimating a Single Parameter
von: Asi, Hilal, et al.
Veröffentlicht: (2025)

CoinPress: Practical Private Mean and Covariance Estimation
von: Biswas, Sourav, et al.
Veröffentlicht: (2020)

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

GaussMark: A Practical Approach for Structural Watermarking of Language Models
von: Block, Adam, et al.
Veröffentlicht: (2025)

A Linear Approach to Data Poisoning
von: Flynn, Donald, et al.
Veröffentlicht: (2025)

Contraction of Locally Differentially Private Mechanisms
von: Asoodeh, Shahab, et al.
Veröffentlicht: (2022)

A Statistical Viewpoint on Differential Privacy: Hypothesis Testing, Representation and Blackwell's Theorem
von: Su, Weijie J.
Veröffentlicht: (2024)

Differentially Private Synthetic High-dimensional Tabular Stream
von: Kumar, Girish, et al.
Veröffentlicht: (2024)

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

Private Collaborative Edge Inference via Over-the-Air Computation
von: Yilmaz, Selim F., et al.
Veröffentlicht: (2024)

Linearizing Models for Efficient yet Robust Private Inference
von: Sarkar, Sreetama, et al.
Veröffentlicht: (2024)

An Iterative Algorithm for Differentially Private $k$-PCA with Adaptive Noise
von: Düngler, Johanna, et al.
Veröffentlicht: (2025)

Better and Simpler Lower Bounds for Differentially Private Statistical Estimation
von: Narayanan, Shyam
Veröffentlicht: (2023)

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

Outcome-Based Online Reinforcement Learning: Algorithms and Fundamental Limits
von: Chen, Fan, et al.
Veröffentlicht: (2025)

A New Linear Scaling Rule for Private Adaptive Hyperparameter Optimization
von: Panda, Ashwinee, et al.
Veröffentlicht: (2022)

PROPS: Progressively Private Self-alignment of Large Language Models
von: Teku, Noel, et al.
Veröffentlicht: (2025)

Differentially Private Block-wise Gradient Shuffle for Deep Learning
von: Zagardo, David
Veröffentlicht: (2024)

FERRET: Private Deep Learning Faster And Better Than DPSGD
von: Zagardo, David
Veröffentlicht: (2025)

Differentially Private Model Merging
von: Yin, Qichuan, et al.
Veröffentlicht: (2026)

Self-Normalized Martingales and Uniform Regret Bounds for Linear Regression
von: Chen, Fan, et al.
Veröffentlicht: (2026)

DC-SGD: Differentially Private SGD with Dynamic Clipping through Gradient Norm Distribution Estimation
von: Wei, Chengkun, et al.
Veröffentlicht: (2025)

Too Good to be True? Turn Any Model Differentially Private With DP-Weights
von: Zagardo, David
Veröffentlicht: (2024)

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

Optimal Classification-based Anomaly Detection with Neural Networks: Theory and Practice
von: Zhou, Tian-Yi, et al.
Veröffentlicht: (2024)

Causal Digital Twins for Cyber-Physical Security: A Framework for Robust Anomaly Detection in Industrial Control Systems
von: Homaei, Mohammadhossein, et al.
Veröffentlicht: (2025)