Buchumschlag

P2NIA: Privacy-Preserving Non-Iterative Auditing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bourrée, Jade Garcia, Lautraite, Hadrien, Gambs, Sébastien, Tredan, Gilles, Merrer, Erwan Le, Rottembourg, Benoît
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Leveraging Imperfect Sources to Detect Fairwashing in Black-Box Auditing
von: Bourrée, Jade Garcia, et al.
Veröffentlicht: (2023)

Fairness Auditing with Multi-Agent Collaboration
von: de Vos, Martijn, et al.
Veröffentlicht: (2024)

Robust ML Auditing using Prior Knowledge
von: Bourrée, Jade Garcia, et al.
Veröffentlicht: (2025)

WaKA: Data Attribution using K-Nearest Neighbors and Membership Privacy Principles
von: Mesana, Patrick, et al.
Veröffentlicht: (2024)

PANORAMIA: Privacy Auditing of Machine Learning Models without Retraining
von: Kazmi, Mishaal, et al.
Veröffentlicht: (2024)

Log Probability Tracking of LLM APIs
von: Chauvin, Timothée, et al.
Veröffentlicht: (2025)

Under manipulations, are some AI models harder to audit?
von: Godinot, Augustin, et al.
Veröffentlicht: (2024)

Queries, Representation & Detection: The Next 100 Model Fingerprinting Schemes
von: Godinot, Augustin, et al.
Veröffentlicht: (2024)

Token-Efficient Change Detection in LLM APIs
von: Chauvin, Timothée, et al.
Veröffentlicht: (2026)

Fast In-Spectrum Graph Watermarks
von: Bourrée, Jade Garcia, et al.
Veröffentlicht: (2025)

The 20 questions game to distinguish large language models
von: Richardeau, Gurvan, et al.
Veröffentlicht: (2024)

LLMs Prompted for Graphs: Hallucinations and Generative Capabilities
von: Richardeau, Gurvan, et al.
Veröffentlicht: (2024)

The Evaluation Game: Beyond Static LLM Benchmarking
von: Wang, Paul, et al.
Veröffentlicht: (2026)

On the Usage of Gaussian Process for Efficient Data Valuation
von: Bénesse, Clément, et al.
Veröffentlicht: (2025)

Training Set Reconstruction from Differentially Private Forests: How Effective is DP?
von: Gorgé, Alice, et al.
Veröffentlicht: (2025)

Diversity-Preserving K-Armed Bandits, Revisited
von: Hadiji, Hédi, et al.
Veröffentlicht: (2020)

Robust Federated Learning via Byzantine Filtering over Encrypted Updates
von: Bendoukha, Adda Akram, et al.
Veröffentlicht: (2026)

Split-n-Chain: Privacy-Preserving Multi-Node Split Learning with Blockchain-Based Auditability
von: Sahani, Mukesh, et al.
Veröffentlicht: (2025)

Smooth Sensitivity for Learning Differentially-Private yet Accurate Rule Lists
von: Ly, Timothée, et al.
Veröffentlicht: (2024)

Revealing the True Cost of Locally Differentially Private Protocols: An Auditing Perspective
von: Arcolezi, Héber H., et al.
Veröffentlicht: (2023)

Observational Auditing of Label Privacy
von: Kalemaj, Iden, et al.
Veröffentlicht: (2025)

Privacy Amplification by Missing Data
von: Roburin, Simon, et al.
Veröffentlicht: (2026)

PrivacyGuard: A Modular Framework for Privacy Auditing in Machine Learning
von: Melis, Luca, et al.
Veröffentlicht: (2025)

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

Visual Privacy Auditing with Diffusion Models
von: Schwethelm, Kristian, et al.
Veröffentlicht: (2024)

Chapter Challenges in archiving the personalized web
von: Penzo, Camilla, et al.
Veröffentlicht: (2024)

Accelerated Training through Iterative Gradient Propagation Along the Residual Path
von: Fagnou, Erwan, et al.
Veröffentlicht: (2025)

Optimizing Canaries for Privacy Auditing with Metagradient Descent
von: Boglioni, Matteo, et al.
Veröffentlicht: (2025)

The Sample Complexity of Membership Inference and Privacy Auditing
von: Haghifam, Mahdi, et al.
Veröffentlicht: (2025)

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

P3LS: Partial Least Squares under Privacy Preservation
von: Duy, Du Nguyen, et al.
Veröffentlicht: (2024)

Privacy-Preserving Conformal Prediction Under Local Differential Privacy
von: Penso, Coby, et al.
Veröffentlicht: (2025)

Privacy Auditing of Large Language Models
von: Panda, Ashwinee, et al.
Veröffentlicht: (2025)

FedNIA: Noise-Induced Activation Analysis for Mitigating Data Poisoning in FL
von: Hallaji, Ehsan, et al.
Veröffentlicht: (2025)

Graph Federated Unlearning for Privacy Preservation
von: Ma, Ruotong, et al.
Veröffentlicht: (2026)

Privacy-Preserving End-to-End Spoken Language Understanding
von: Wang, Yinggui, et al.
Veröffentlicht: (2024)

Measuring the Hidden Cost of Data Valuation through Collective Disclosure
von: Mesana, Patrick, et al.
Veröffentlicht: (2025)

Privacy Auditing Synthetic Data Release through Local Likelihood Attacks
von: Ward, Joshua, et al.
Veröffentlicht: (2025)

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

Privacy-Utility-Bias Trade-offs for Privacy-Preserving Recommender Systems
von: Parsarad, Shiva, et al.
Veröffentlicht: (2025)