:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mahloujifar, Saeed, Kokhlikyan, Narine, Guo, Chuan, Chaudhuri, Kamalika
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2512.16086
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Z0-Inf: Zeroth Order Approximation for Data Influence
von: Kokhlikyan, Narine, et al.
Veröffentlicht: (2025)

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

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

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

Measuring Déjà vu Memorization Efficiently
von: Kokhlikyan, Narine, et al.
Veröffentlicht: (2025)

RL Is a Hammer and LLMs Are Nails: A Simple Reinforcement Learning Recipe for Strong Prompt Injection
von: Wen, Yuxin, et al.
Veröffentlicht: (2025)

CIMemories: A Compositional Benchmark for Contextual Integrity of Persistent Memory in LLMs
von: Mireshghallah, Niloofar, et al.
Veröffentlicht: (2025)

SecAlign: Defending Against Prompt Injection with Preference Optimization
von: Chen, Sizhe, et al.
Veröffentlicht: (2024)

Guarantees of confidentiality via Hammersley-Chapman-Robbins bounds
von: Chaudhuri, Kamalika, et al.
Veröffentlicht: (2024)

How much do language models memorize?
von: Morris, John X., et al.
Veröffentlicht: (2025)

Better Membership Inference Privacy Measurement through Discrepancy
von: Wu, Ruihan, et al.
Veröffentlicht: (2024)

Observational Auditing of Label Privacy
von: Kalemaj, Iden, et al.
Veröffentlicht: (2025)

Déjà Vu Memorization in Vision-Language Models
von: Jayaraman, Bargav, et al.
Veröffentlicht: (2024)

Data Redaction from Conditional Generative Models
von: Kong, Zhifeng, et al.
Veröffentlicht: (2023)

A Closer Look at the Learnability of Out-of-Distribution (OOD) Detection
von: Garov, Konstantin, et al.
Veröffentlicht: (2025)

Distribution Learning with Valid Outputs Beyond the Worst-Case
von: Rittler, Nick, et al.
Veröffentlicht: (2024)

DPrivBench: Benchmarking LLMs' Reasoning for Differential Privacy
von: Wang, Erchi, et al.
Veröffentlicht: (2026)

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

Unified Uncertainty Calibration
von: Chaudhuri, Kamalika, et al.
Veröffentlicht: (2023)

Private Estimation when Data and Privacy Demands are Correlated
von: Chaudhuri, Syomantak, et al.
Veröffentlicht: (2024)

Differentially Private Representation Learning via Image Captioning
von: Sander, Tom, et al.
Veröffentlicht: (2024)

Beyond Discrepancy: A Closer Look at the Theory of Distribution Shift
von: Bhattacharjee, Robi, et al.
Veröffentlicht: (2024)

Privacy-Utility-Bias Trade-offs for Privacy-Preserving Recommender Systems
von: Parsarad, Shiva, et al.
Veröffentlicht: (2025)

Learning-Time Encoding Shapes Unlearning in LLMs
von: Wu, Ruihan, et al.
Veröffentlicht: (2025)

Influence-based Attributions can be Manipulated
von: Yadav, Chhavi, et al.
Veröffentlicht: (2024)

Synthetic Data: Revisiting the Privacy-Utility Trade-off
von: Sarmin, Fatima Jahan, et al.
Veröffentlicht: (2024)

Dataset Watermarking for Closed LLMs with Provable Detection
von: Huang, Pengrun, et al.
Veröffentlicht: (2026)

Can We Infer Confidential Properties of Training Data from LLMs?
von: Huang, Pengrun, et al.
Veröffentlicht: (2025)

Measuring Privacy Loss in Distributed Spatio-Temporal Data
von: Koga, Tatsuki, et al.
Veröffentlicht: (2024)

Learning to Reason in 13 Parameters
von: Morris, John X., et al.
Veröffentlicht: (2026)

Evaluating Privacy-Utility Tradeoffs in Synthetic Smart Grid Data
von: Catarino, Andre, et al.
Veröffentlicht: (2025)

SMOTE-DP: Improving Privacy-Utility Tradeoff with Synthetic Data
von: Zhou, Yan, et al.
Veröffentlicht: (2025)

Towards Quantifying The Privacy Of Redacted Text
von: Gusain, Vaibhav, et al.
Veröffentlicht: (2024)

Privacy Auditing Synthetic Data Release through Local Likelihood Attacks
von: Ward, Joshua, et al.
Veröffentlicht: (2025)

Learning to Attack: Uncovering Privacy Risks in Sequential Data Releases
von: Cui, Ziyao, et al.
Veröffentlicht: (2025)

Distributed Deep Variational Approach for Privacy-preserving Data Release
von: Alsulaimawi, Zahir, et al.
Veröffentlicht: (2026)

Continual Release Moment Estimation with Differential Privacy
von: Kalinin, Nikita P., et al.
Veröffentlicht: (2025)

Privacy-Preserving Retrieval-Augmented Generation with Differential Privacy
von: Koga, Tatsuki, et al.
Veröffentlicht: (2024)

The Impact of Generalization Techniques on the Interplay Among Privacy, Utility, and Fairness in Image Classification
von: Hassanpour, Ahmad, et al.
Veröffentlicht: (2024)

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