Copertina

Do You Really Need Public Data? Surrogate Public Data for Differential Privacy on Tabular Data

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Hod, Shlomi, Rosenblatt, Lucas, Stoyanovich, Julia
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning Cryptography and Security
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Are Data Experts Buying into Differentially Private Synthetic Data? Gathering Community Perspectives
di: Rosenblatt, Lucas, et al.
Pubblicazione: (2024)

Privacy-Preserving Fair Synthetic Tabular Data
di: Sarmin, Fatima J., et al.
Pubblicazione: (2025)

Oracle-Efficient Differentially Private Learning with Public Data
di: Block, Adam, et al.
Pubblicazione: (2024)

Data Plagiarism Index: Characterizing the Privacy Risk of Data-Copying in Tabular Generative Models
di: Ward, Joshua, et al.
Pubblicazione: (2024)

Pre-training Differentially Private Models with Limited Public Data
di: Bu, Zhiqi, et al.
Pubblicazione: (2024)

How to DP-fy Your Data: A Practical Guide to Generating Synthetic Data With Differential Privacy
di: Ponomareva, Natalia, et al.
Pubblicazione: (2025)

Synth-MIA: A Testbed for Auditing Privacy Leakage in Tabular Data Synthesis
di: Ward, Joshua, et al.
Pubblicazione: (2025)

Optimal Differentially Private Model Training with Public Data
di: Lowy, Andrew, et al.
Pubblicazione: (2023)

Differentially Private Modeling of Disease Transmission within Human Contact Networks
di: Hod, Shlomi, et al.
Pubblicazione: (2026)

Initial Exploration of Zero-Shot Privacy Utility Tradeoffs in Tabular Data Using GPT-4
di: Mandal, Bishwas, et al.
Pubblicazione: (2024)

Poisoning Attacks to Local Differential Privacy Protocols for Trajectory Data
di: Hsu, I-Jung, et al.
Pubblicazione: (2025)

Beyond One-Size-Fits-All: Neural Networks for Differentially Private Tabular Data Synthesis
di: Chen, Kai, et al.
Pubblicazione: (2025)

Watermarking Generative Tabular Data
di: He, Hengzhi, et al.
Pubblicazione: (2024)

Synthetic Tabular Data: Methods, Attacks and Defenses
di: Cormode, Graham, et al.
Pubblicazione: (2025)

Robust Spectral Watermark for Synthetic Tabular Data
di: Zhao, Yizhou, et al.
Pubblicazione: (2025)

Optimal Locally Private Nonparametric Classification with Public Data
di: Ma, Yuheng, et al.
Pubblicazione: (2023)

Differentially Private Active Learning: Balancing Effective Data Selection and Privacy
di: Schwethelm, Kristian, et al.
Pubblicazione: (2024)

From Mean to Extreme: Formal Differential Privacy Bounds on the Success of Real-World Data Reconstruction Attacks
di: Riess, Anneliese, et al.
Pubblicazione: (2024)

Differentially Private Publication of Electricity Time Series Data in Smart Grids
di: Shaham, Sina, et al.
Pubblicazione: (2024)

Enhancing Feature-Specific Data Protection via Bayesian Coordinate Differential Privacy
di: Aliakbarpour, Maryam, et al.
Pubblicazione: (2024)

Diverse Community Data for Benchmarking Data Privacy Algorithms
di: Sen, Aniruddha, et al.
Pubblicazione: (2023)

Backdoor Attacks on Transformers for Tabular Data: An Empirical Study
di: Pleiter, Bart, et al.
Pubblicazione: (2023)

Systematic Assessment of Tabular Data Synthesis
di: Du, Yuntao, et al.
Pubblicazione: (2024)

DP-TabICL: In-Context Learning with Differentially Private Tabular Data
di: Carey, Alycia N., et al.
Pubblicazione: (2024)

Differentially Private Tabular Data Synthesis using Large Language Models
di: Tran, Toan V., et al.
Pubblicazione: (2024)

Privacy-Preserving Data Linkage Across Private and Public Datasets for Collaborative Agriculture Research
di: Zafar, Osama, et al.
Pubblicazione: (2024)

Data-Chain Backdoor: Do You Trust Diffusion Models as Generative Data Supplier?
di: Lu, Junchi, et al.
Pubblicazione: (2025)

Understanding the Impact of Data Domain Extraction on Synthetic Data Privacy
di: Ganev, Georgi, et al.
Pubblicazione: (2025)

ATTAXONOMY: Unpacking Differential Privacy Guarantees Against Practical Adversaries
di: Cummings, Rachel, et al.
Pubblicazione: (2024)

Linkage Attacks Expose Identity Risks in Public ECG Data Sharing
di: Wang, Ziyu, et al.
Pubblicazione: (2025)

Leveraging Vertical Public-Private Split for Improved Synthetic Data Generation
di: Maddock, Samuel, et al.
Pubblicazione: (2025)

SafeSynthDP: Leveraging Large Language Models for Privacy-Preserving Synthetic Data Generation Using Differential Privacy
di: Nahid, Md Mahadi Hasan, et al.
Pubblicazione: (2024)

Learning from Anonymized and Incomplete Tabular Data
di: Lange, Lucas, et al.
Pubblicazione: (2026)

HARMONIC: Harnessing LLMs for Tabular Data Synthesis and Privacy Protection
di: Wang, Yuxin, et al.
Pubblicazione: (2024)

Managing Correlations in Data and Privacy Demand
di: Chaudhuri, Syomantak, et al.
Pubblicazione: (2025)

Data Privacy Preservation on the Internet of Things
di: Sen, Jaydip, et al.
Pubblicazione: (2023)

Privacy Preserving Data Imputation via Multi-party Computation for Medical Applications
di: Jentsch, Julia, et al.
Pubblicazione: (2024)

Unlearning with Asymmetric Sources: Improved Unlearning-Utility Trade-off with Public Data
di: Inane, Ahmed Mehdi, et al.
Pubblicazione: (2026)

Is API Access to LLMs Useful for Generating Private Synthetic Tabular Data?
di: Swanberg, Marika, et al.
Pubblicazione: (2025)

Diffusion-Driven Synthetic Tabular Data Generation for Enhanced DoS/DDoS Attack Classification
di: B, Aravind, et al.
Pubblicazione: (2026)