:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hod, Shlomi, Rosenblatt, Lucas, Stoyanovich, Julia
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	https://arxiv.org/abs/2504.14368
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

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

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

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

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

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

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

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

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

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

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

Watermarking Generative Tabular Data
von: He, Hengzhi, et al.
Veröffentlicht: (2024)

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

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

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

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

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

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

Privately Fine-Tuned LLMs Preserve Temporal Dynamics in Tabular Data
von: Rosenblatt, Lucas, et al.
Veröffentlicht: (2026)

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Privacy-Utility Trade-off in Data Publication: A Bilevel Optimization Framework with Curvature-Guided Perturbation
von: Yin, Yi, et al.
Veröffentlicht: (2025)

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

Differentially Private Release of Israel's National Registry of Live Births
von: Hod, Shlomi, et al.
Veröffentlicht: (2024)

Sharing is CAIRing: Characterizing Principles and Assessing Properties of Universal Privacy Evaluation for Synthetic Tabular Data
von: Hyrup, Tobias, et al.
Veröffentlicht: (2023)

dpmm: Differentially Private Marginal Models, a Library for Synthetic Tabular Data Generation
von: Mahiou, Sofiane, et al.
Veröffentlicht: (2025)