Buchumschlag

Differentially Private Synthetic Graphs Preserving Triangle-Motif Cuts

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Peng, Pan, Xu, Hangyu
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Data Structures and Algorithms Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Beyond Spectral Clustering: Probabilistic Cuts for Differentiable Graph Partitioning
von: Ghriss, Ayoub
Veröffentlicht: (2025)

Private Synthetic Graph Generation and Fused Gromov-Wasserstein Distance
von: Wirth, Leoni Carla, et al.
Veröffentlicht: (2025)

Fast and Accurate Triangle Counting in Graph Streams Using Predictions
von: Boldrin, Cristian, et al.
Veröffentlicht: (2024)

Thompson Sampling Itself is Differentially Private
von: Ou, Tingting, et al.
Veröffentlicht: (2024)

Expander Hierarchies for Normalized Cuts on Graphs
von: Hanauer, Kathrin, et al.
Veröffentlicht: (2024)

Online Differentially Private Synthetic Data Generation
von: He, Yiyun, et al.
Veröffentlicht: (2024)

Differentially Private and Scalable Estimation of the Network Principal Component
von: Khayatian, Alireza, et al.
Veröffentlicht: (2025)

Tight Differentially Private PCA via Matrix Coherence
von: d'Orsi, Tommaso, et al.
Veröffentlicht: (2025)

Adaptive Power Iteration Method for Differentially Private PCA
von: Nguyen, Ta Duy, et al.
Veröffentlicht: (2026)

Binned Group Algebra Factorization for Differentially Private Continual Counting
von: Henzinger, Monika, et al.
Veröffentlicht: (2025)

Towards Optimal Differentially Private Regret Bounds in Linear MDPs
von: Sahu, Sharan
Veröffentlicht: (2025)

Constant matters: Fine-grained Complexity of Differentially Private Continual Observation
von: Fichtenberger, Hendrik, et al.
Veröffentlicht: (2022)

Lumberjack: Better Differentially Private Random Forests through Heavy Hitter Detection in Trees
von: Lebeda, Christian Janos, et al.
Veröffentlicht: (2026)

Query-Efficient Locally Private Hypothesis Selection via the Scheffe Graph
von: Kamath, Gautam, et al.
Veröffentlicht: (2025)

Private Edge Density Estimation for Random Graphs: Optimal, Efficient and Robust
von: Chen, Hongjie, et al.
Veröffentlicht: (2024)

Differentially Private Verification of Distribution Properties
von: Du, Elbert, et al.
Veröffentlicht: (2026)

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

Differentially Private Kernel Density Estimation
von: Liu, Erzhi, et al.
Veröffentlicht: (2024)

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

On Purely Private Covariance Estimation
von: d'Orsi, Tommaso, et al.
Veröffentlicht: (2025)

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

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

Individual Privacy Accounting for Differentially Private Stochastic Gradient Descent
von: Yu, Da, 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)

Private List Learnability vs. Online List Learnability
von: Hanneke, Steve, et al.
Veröffentlicht: (2025)

Fast-MWEM: Private Data Release in Sublinear Time
von: Haris, Themistoklis, et al.
Veröffentlicht: (2026)

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

Faster Graph Embeddings via Coarsening
von: Fahrbach, Matthew, et al.
Veröffentlicht: (2020)

Differential Private Stochastic Optimization with Heavy-tailed Data: Towards Optimal Rates
von: Zhao, Puning, 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)

Differentially Private Low-dimensional Synthetic Data from High-dimensional Datasets
von: He, Yiyun, et al.
Veröffentlicht: (2023)

Differentially Private Algorithms for Graph Cuts: A Shifting Mechanism Approach and More
von: Chandra, Rishi, et al.
Veröffentlicht: (2024)

Actively Learning Halfspaces without Synthetic Data
von: Black, Hadley, et al.
Veröffentlicht: (2025)

Learning-Augmented Streaming Algorithms for Correlation Clustering
von: Dong, Yinhao, et al.
Veröffentlicht: (2025)

Average Sensitivity of Hierarchical $k$-Median Clustering
von: Li, Shijie, et al.
Veröffentlicht: (2025)

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)