Buchumschlag

Optimal Fairness under Local Differential Privacy

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ghoukasian, Hrad, Asoodeh, Shahab
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

Differentially Private Fair Binary Classifications
von: Ghoukasian, Hrad, et al.
Veröffentlicht: (2024)

Locally Optimal Private Sampling: Beyond the Global Minimax
von: Ghoukasian, Hrad, et al.
Veröffentlicht: (2025)

Optimality of Staircase Mechanisms for Vector Queries under Differential Privacy
von: Melbourne, James, et al.
Veröffentlicht: (2026)

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

Contraction of Locally Differentially Private Mechanisms
von: Asoodeh, Shahab, et al.
Veröffentlicht: (2022)

Sample-Optimal Locally Private Hypothesis Selection and the Provable Benefits of Interactivity
von: Pour, Alireza F., et al.
Veröffentlicht: (2023)

Privacy for Fairness: Information Obfuscation for Fair Representation Learning with Local Differential Privacy
von: Xie, Songjie, et al.
Veröffentlicht: (2024)

A Systematic and Formal Study of the Impact of Local Differential Privacy on Fairness: Preliminary Results
von: Makhlouf, Karima, et al.
Veröffentlicht: (2024)

On the Impact of Multi-dimensional Local Differential Privacy on Fairness
von: Makhlouf, Karima, et al.
Veröffentlicht: (2023)

On Evaluating the Poisoning Robustness of Federated Learning under Local Differential Privacy
von: Wang, Zijian, et al.
Veröffentlicht: (2025)

Minimax Optimal Two-Sample Testing under Local Differential Privacy
von: Mun, Jongmin, et al.
Veröffentlicht: (2024)

FairDP: Certified Fairness with Differential Privacy
von: Tran, Khang, et al.
Veröffentlicht: (2023)

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

Degree-Preserving Randomized Response for Graph Neural Networks under Local Differential Privacy
von: Hidano, Seira, et al.
Veröffentlicht: (2022)

Jacobian-Guided Anisotropic Noise Reshaping for Enhancing Representation Utility under Local Differential Privacy
von: Ha, Youngmok, et al.
Veröffentlicht: (2026)

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

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

Local Differential Privacy with Correlated Noise Achieves Central-DP Optimal Cost
von: Pathegama, Madhura, et al.
Veröffentlicht: (2026)

Prediction with Expert Advice under Local Differential Privacy
von: Jacobsen, Ben, et al.
Veröffentlicht: (2025)

Local Differential Privacy in Graph Neural Networks: a Reconstruction Approach
von: Bhaila, Karuna, et al.
Veröffentlicht: (2023)

Optimal Client Sampling in Federated Learning with Client-Level Heterogeneous Differential Privacy
von: Xu, Jiahao, et al.
Veröffentlicht: (2025)

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

On the Alignment of Group Fairness with Attribute Privacy
von: Aalmoes, Jan, et al.
Veröffentlicht: (2022)

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

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

FinP: Fairness-in-Privacy in Federated Learning by Addressing Disparities in Privacy Risk
von: Zhao, Tianyu, et al.
Veröffentlicht: (2025)

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

Optimal Regret of Bernoulli Bandits under Global Differential Privacy
von: Azize, Achraf, et al.
Veröffentlicht: (2025)

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

A Huber Loss Minimization Approach to Mean Estimation under User-level Differential Privacy
von: Zhao, Puning, et al.
Veröffentlicht: (2024)

Distribution-Aware Mean Estimation under User-level Local Differential Privacy
von: Pla, Corentin, et al.
Veröffentlicht: (2024)

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)

Revisiting ML Training under Fully Homomorphic Encryption: Convergence Guarantees, Differential Privacy, and Efficient Algorithms
von: Zhou, Yvonne, et al.
Veröffentlicht: (2026)

Privacy-Preserving Graph Embedding based on Local Differential Privacy
von: Li, Zening, et al.
Veröffentlicht: (2023)

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)