Buchumschlag

Decomposition-Based Optimal Bounds for Privacy Amplification via Shuffling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Su, Pengcheng, Cheng, Haibo, Wang, Ping
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Mutual Information Bounds in the Shuffle Model
von: Su, Pengcheng, et al.
Veröffentlicht: (2025)

Bayesian Advantage of Re-Identification Attack in the Shuffle Model
von: Su, Pengcheng, et al.
Veröffentlicht: (2025)

Privacy Amplification via Shuffling: Unified, Simplified, and Tightened
von: Wang, Shaowei, et al.
Veröffentlicht: (2023)

An Information-theoretic Security Analysis of Honeyword
von: Su, Pengcheng, et al.
Veröffentlicht: (2023)

Enhanced Privacy Bound for Shuffle Model with Personalized Privacy
von: Liu, Yixuan, et al.
Veröffentlicht: (2024)

A Generalized Shuffle Framework for Privacy Amplification: Strengthening Privacy Guarantees and Enhancing Utility
von: Chen, E, et al.
Veröffentlicht: (2023)

Privacy Amplification for the Gaussian Mechanism via Bounded Support
von: Hu, Shengyuan, et al.
Veröffentlicht: (2024)

Near-Optimal Reinforcement Learning with Shuffle Differential Privacy
von: Bai, Shaojie, et al.
Veröffentlicht: (2024)

RAIN: Secure and Robust Aggregation under Shuffle Model of Differential Privacy
von: Li, Yuhang, et al.
Veröffentlicht: (2026)

CSVAR: Enhancing Visual Privacy in Federated Learning via Adaptive Shuffling Against Overfitting
von: Chen, Zhuo, et al.
Veröffentlicht: (2025)

Robust Single-message Shuffle Differential Privacy Protocol for Accurate Distribution Estimation
von: Li, Xiaoguang, et al.
Veröffentlicht: (2026)

Shuffling for Semantic Secrecy
von: Chen, Fupei, et al.
Veröffentlicht: (2025)

Tight Differential Privacy Guarantees for the Shuffle Model with $k$-Randomized Response
von: Biswas, Sayan, et al.
Veröffentlicht: (2022)

Efficient Verifiable Differential Privacy with Input Authenticity in the Local and Shuffle Model
von: Bontekoe, Tariq, et al.
Veröffentlicht: (2024)

Privacy Amplification for BandMF via $b$-Min-Sep Subsampling
von: Dong, Andy, et al.
Veröffentlicht: (2026)

Near Exact Privacy Amplification for Matrix Mechanisms
von: Choquette-Choo, Christopher A., et al.
Veröffentlicht: (2024)

Personalized Privacy Amplification via Importance Sampling
von: Fay, Dominik, et al.
Veröffentlicht: (2023)

Augmented Shuffle Protocols for Accurate and Robust Frequency Estimation under Differential Privacy
von: Murakami, Takao, et al.
Veröffentlicht: (2025)

Augmented Shuffle Differential Privacy Protocols for Large-Domain Categorical and Key-Value Data
von: Murakami, Takao, et al.
Veröffentlicht: (2025)

Camel: Communication-Efficient and Maliciously Secure Federated Learning in the Shuffle Model of Differential Privacy
von: Xu, Shuangqing, et al.
Veröffentlicht: (2024)

Privacy Amplification for Matrix Mechanisms
von: Choquette-Choo, Christopher A., et al.
Veröffentlicht: (2023)

Unified Mechanism-Specific Amplification by Subsampling and Group Privacy Amplification
von: Schuchardt, Jan, et al.
Veröffentlicht: (2024)

To Shuffle or not to Shuffle: Auditing DP-SGD with Shuffling
von: Annamalai, Meenatchi Sundaram Muthu Selva, et al.
Veröffentlicht: (2024)

A Complexity Hierarchy of Shuffles in Card-Based Protocols
von: Ono, Tomoki, et al.
Veröffentlicht: (2026)

Efficient Fault-Tolerant Quantum Protocol for Differential Privacy in the Shuffle Model
von: Asghar, Hassan Jameel, et al.
Veröffentlicht: (2024)

Grid-Based Decompositions for Spatial Data under Local Differential Privacy
von: Balioglu, Berkay Kemal, et al.
Veröffentlicht: (2024)

Privacy for Free: Leveraging Local Differential Privacy Perturbed Data from Multiple Services
von: Du, Rong, et al.
Veröffentlicht: (2025)

Single-Shuffle Full-Open Card-Based Protocols for Any Function
von: Eriguchi, Reo, et al.
Veröffentlicht: (2025)

FlowCrypt: Flow-Based Lightweight Encryption with Near-Lossless Recovery for Cloud Photo Privacy
von: Yang, Xiaohui, et al.
Veröffentlicht: (2025)

Rényi Pufferfish Privacy: General Additive Noise Mechanisms and Privacy Amplification by Iteration
von: Pierquin, Clément, et al.
Veröffentlicht: (2023)

Leveraging Randomness in Model and Data Partitioning for Privacy Amplification
von: Dong, Andy, et al.
Veröffentlicht: (2025)

Bipartite Randomized Response Mechanism for Local Differential Privacy
von: Zhang, Shun, et al.
Veröffentlicht: (2025)

Verifying the Fisher-Yates Shuffle Algorithm in Dafny
von: Zetzsche, Stefan, et al.
Veröffentlicht: (2025)

Gait-Based Privacy Protection for Smart Wearable Devices
von: Su, Yu, et al.
Veröffentlicht: (2024)

Multi-class Item Mining under Local Differential Privacy
von: Mao, Yulian, et al.
Veröffentlicht: (2025)

Segmented Private Data Aggregation in the Multi-message Shuffle Model
von: Wang, Shaowei, et al.
Veröffentlicht: (2024)

Almost Instance-optimal Clipping for Summation Problems in the Shuffle Model of Differential Privacy
von: Dong, Wei, et al.
Veröffentlicht: (2024)

Federated Heavy Hitter Analytics with Local Differential Privacy
von: Zhang, Yuemin, et al.
Veröffentlicht: (2024)

Beyond Statistical Estimation: Differentially Private Individual Computation via Shuffling
von: Wang, Shaowei, et al.
Veröffentlicht: (2024)

PrivShape: Extracting Shapes in Time Series under User-Level Local Differential Privacy
von: Mao, Yulian, et al.
Veröffentlicht: (2024)