Buchumschlag

Multi-Class Support Vector Machine with Differential Privacy

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Park, Jinseong, Choi, Yujin, Lee, Jaewook
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Improving the Utility of Differentially Private Clustering through Dynamical Processing
von: Byun, Junyoung, et al.
Veröffentlicht: (2023)

Data Unlearning Beyond Uniform Forgetting via Diffusion Time and Frequency Selection
von: Park, Jinseong, et al.
Veröffentlicht: (2025)

Calibrating Practical Privacy Risks for Differentially Private Machine Learning
von: Gu, Yuechun, et al.
Veröffentlicht: (2024)

Wasserstein Differential Privacy
von: Yang, Chengyi, et al.
Veröffentlicht: (2024)

Private Linear Regression with Differential Privacy and PAC Privacy
von: Yang, Hillary, et al.
Veröffentlicht: (2024)

Modeling Neural Networks with Privacy Using Neural Stochastic Differential Equations
von: Hong, Sanghyun, et al.
Veröffentlicht: (2025)

Decentralised, Collaborative, and Privacy-preserving Machine Learning for Multi-Hospital Data
von: Fang, Congyu, et al.
Veröffentlicht: (2024)

DPAR: Decoupled Graph Neural Networks with Node-Level Differential Privacy
von: Zhang, Qiuchen, et al.
Veröffentlicht: (2022)

Setting $\varepsilon$ is not the Issue in Differential Privacy
von: Cyffers, Edwige
Veröffentlicht: (2025)

Limits of Personalizing Differential Privacy Budgets
von: Cyffers, Edwige, et al.
Veröffentlicht: (2026)

Laplace Transform Interpretation of Differential Privacy
von: Chourasia, Rishav, et al.
Veröffentlicht: (2024)

Contrastive Explainable Clustering with Differential Privacy
von: Nguyen, Dung, et al.
Veröffentlicht: (2024)

Revisiting Hyperparameter Tuning with Differential Privacy
von: Ding, Youlong, et al.
Veröffentlicht: (2022)

Local Differential Privacy is Not Enough: A Sample Reconstruction Attack against Federated Learning with Local Differential Privacy
von: You, Zhichao, et al.
Veröffentlicht: (2025)

Leveraging Programmatically Generated Synthetic Data for Differentially Private Diffusion Training
von: Choi, Yujin, et al.
Veröffentlicht: (2024)

Optimal Fairness under Local Differential Privacy
von: Ghoukasian, Hrad, et al.
Veröffentlicht: (2025)

Differential Privacy in the Extensive-Form Bandit Problem
von: Pasteris, Stephen, et al.
Veröffentlicht: (2026)

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

A Privacy-Preserving Framework for Advertising Personalization Incorporating Federated Learning and Differential Privacy
von: Li, Xiang, et al.
Veröffentlicht: (2025)

Gaussian DP for Reporting Differential Privacy Guarantees in Machine Learning
von: Gomez, Juan Felipe, et al.
Veröffentlicht: (2025)

Fusing Dictionary Learning and Support Vector Machines for Unsupervised Anomaly Detection
von: Irofti, Paul, et al.
Veröffentlicht: (2024)

Class-Aware Adaptive Differential Privacy in Deep Learning for Sensor-Based Fall Detection
von: Sana, Joydeb Kumar
Veröffentlicht: (2026)

Agentic Privacy-Preserving Machine Learning
von: Zhang, Mengyu, et al.
Veröffentlicht: (2025)

Machine Learning with Privacy for Protected Attributes
von: Mahloujifar, Saeed, et al.
Veröffentlicht: (2025)

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

Privacy Preserving Machine Learning for Electronic Health Records using Federated Learning and Differential Privacy
von: Ganadily, Naif A., et al.
Veröffentlicht: (2024)

Empirical Calibration and Metric Differential Privacy in Language Models
von: Faustini, Pedro, et al.
Veröffentlicht: (2025)

Purifying Approximate Differential Privacy with Randomized Post-processing
von: Lin, Yingyu, et al.
Veröffentlicht: (2025)

Convergent Differential Privacy Analysis for General Federated Learning
von: Sun, Yan, et al.
Veröffentlicht: (2024)

Auditing Differential Privacy Guarantees Using Density Estimation
von: Koskela, Antti, et al.
Veröffentlicht: (2024)

Poincaré Differential Privacy for Hierarchy-Aware Graph Embedding
von: Wei, Yuecen, et al.
Veröffentlicht: (2023)

A New Analysis of Differential Privacy's Generalization Guarantees
von: Jung, Christopher, et al.
Veröffentlicht: (2019)

Augment then Smooth: Reconciling Differential Privacy with Certified Robustness
von: Wu, Jiapeng, et al.
Veröffentlicht: (2023)

Deep Learning under Fractional-Order Differential Privacy
von: Partohaghighi, Mohammad, et al.
Veröffentlicht: (2026)

Efficient Federated Unlearning with Adaptive Differential Privacy Preservation
von: Jiang, Yu, et al.
Veröffentlicht: (2024)

Exactly Minimax-Optimal Locally Differentially Private Sampling
von: Park, Hyun-Young, et al.
Veröffentlicht: (2024)

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

FT-PrivacyScore: Personalized Privacy Scoring Service for Machine Learning Participation
von: Gu, Yuechun, et al.
Veröffentlicht: (2024)

DDP-SA: Scalable Privacy-Preserving Federated Learning via Distributed Differential Privacy and Secure Aggregation
von: Wei, Wenjing, et al.
Veröffentlicht: (2026)

Improved Communication-Privacy Trade-offs in $L_2$ Mean Estimation under Streaming Differential Privacy
von: Chen, Wei-Ning, et al.
Veröffentlicht: (2024)