Buchumschlag

Optimal Differentially Private Sampling of Unbounded Gaussians

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Iverson, Valentio, Kamath, Gautam, Mouzakis, Argyris
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Data Structures and Algorithms Cryptography and Security Information Theory Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Private Mean Estimation with Person-Level Differential Privacy
von: Agarwal, Sushant, et al.
Veröffentlicht: (2024)

Not All Learnable Distribution Classes are Privately Learnable
von: Bun, Mark, et al.
Veröffentlicht: (2024)

A Bias-Accuracy-Privacy Trilemma for Statistical Estimation
von: Kamath, Gautam, et al.
Veröffentlicht: (2023)

The Broader Landscape of Robustness in Algorithmic Statistics
von: Kamath, Gautam
Veröffentlicht: (2024)

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

Mixtures of Gaussians are Privately Learnable with a Polynomial Number of Samples
von: Afzali, Mohammad, et al.
Veröffentlicht: (2023)

The Discrete Gaussian for Differential Privacy
von: Canonne, Clément L., et al.
Veröffentlicht: (2020)

Reveal-or-Obscure: A Differentially Private Sampling Algorithm for Discrete Distributions
von: Tasnim, Naima, et al.
Veröffentlicht: (2025)

Robustness Implies Privacy in Statistical Estimation
von: Hopkins, Samuel B., et al.
Veröffentlicht: (2022)

Optimal Rates for Differentially Private Hypothesis Testing with E-values
von: Jacobsen, Ben, et al.
Veröffentlicht: (2026)

Individual Privacy Accounting for Differentially Private Stochastic Gradient Descent
von: Yu, Da, et al.
Veröffentlicht: (2022)

Private Vector Mean Estimation in the Shuffle Model: Optimal Rates Require Many Messages
von: Asi, Hilal, et al.
Veröffentlicht: (2024)

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

Private Continual Counting of Unbounded Streams
von: Jacobsen, Ben, et al.
Veröffentlicht: (2025)

Online Distribution Learning with Local Private Constraints
von: Sima, Jin, et al.
Veröffentlicht: (2024)

Agnostic Private Density Estimation for GMMs via List Global Stability
von: Afzali, Mohammad, et al.
Veröffentlicht: (2024)

Differentially Private Multi-Sampling from Distributions
von: Cheu, Albert, et al.
Veröffentlicht: (2024)

Analysis of Shuffling Beyond Pure Local Differential Privacy
von: Takagi, Shun, et al.
Veröffentlicht: (2026)

Necessity of Block Designs for Optimal Locally Private Distribution Estimation
von: Gentle, Abigail
Veröffentlicht: (2025)

Differential Private Stochastic Optimization with Heavy-tailed Data: Towards Optimal Rates
von: Zhao, Puning, et al.
Veröffentlicht: (2024)

Avoiding Pitfalls for Privacy Accounting of Subsampled Mechanisms under Composition
von: Lebeda, Christian Janos, et al.
Veröffentlicht: (2024)

How Private are DP-SGD Implementations?
von: Chua, Lynn, et al.
Veröffentlicht: (2024)

Instance-Optimal Private Density Estimation in the Wasserstein Distance
von: Feldman, Vitaly, et al.
Veröffentlicht: (2024)

Differentially Private Clustering in Data Streams
von: Epasto, Alessandro, et al.
Veröffentlicht: (2023)

Differentially Private Learning Beyond the Classical Dimensionality Regime
von: Dwork, Cynthia, et al.
Veröffentlicht: (2024)

Mean estimation in the add-remove model of differential privacy
von: Kulesza, Alex, et al.
Veröffentlicht: (2023)

Choosing Public Datasets for Private Machine Learning via Gradient Subspace Distance
von: Gu, Xin, et al.
Veröffentlicht: (2023)

A Differentially Private Clustering Algorithm for Well-Clustered Graphs
von: He, Weiqiang, et al.
Veröffentlicht: (2024)

Almost Tight Error Bounds on Differentially Private Continual Counting
von: Henzinger, Monika, et al.
Veröffentlicht: (2022)

On Differentially Private Subspace Estimation in a Distribution-Free Setting
von: Tsfadia, Eliad
Veröffentlicht: (2024)

Differentially Private Bootstrap: New Privacy Analysis and Inference Strategies
von: Wang, Zhanyu, et al.
Veröffentlicht: (2022)

Scaling up the Banded Matrix Factorization Mechanism for Differentially Private ML
von: McKenna, Ryan
Veröffentlicht: (2024)

Balls-and-Bins Sampling for DP-SGD
von: Chua, Lynn, et al.
Veröffentlicht: (2024)

Nearly-Linear Time Private Hypothesis Selection with the Optimal Approximation Factor
von: Aliakbarpour, Maryam, et al.
Veröffentlicht: (2025)

Optimal Bounds for Private Minimum Spanning Trees via Input Perturbation
von: Pagh, Rasmus, et al.
Veröffentlicht: (2024)

Making Old Things New: A Unified Algorithm for Differentially Private Clustering
von: la Tour, Max Dupré, et al.
Veröffentlicht: (2024)

A Polynomial Time, Pure Differentially Private Estimator for Binary Product Distributions
von: Singhal, Vikrant
Veröffentlicht: (2023)

Near-Optimal Differentially Private k-Core Decomposition
von: Dhulipala, Laxman, et al.
Veröffentlicht: (2023)

Normalized Square Root: Sharper Matrix Factorization Bounds for Differentially Private Continual Counting
von: Henzinger, Monika, et al.
Veröffentlicht: (2025)

Smooth Lower Bounds for Differentially Private Algorithms via Padding-and-Permuting Fingerprinting Codes
von: Peter, Naty, et al.
Veröffentlicht: (2023)