Buchumschlag

Composition Theorems for f-Differential Privacy

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fernandes, Natasha, McIver, Annabelle, Sadeghi, Parastoo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Information Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Comparing privacy notions for protection against reconstruction attacks in machine learning
von: Biswas, Sayan, et al.
Veröffentlicht: (2025)

A Quantitative Information Flow Analysis of the Topics API
von: Alvim, Mário S., et al.
Veröffentlicht: (2023)

Bayes' capacity as a measure for reconstruction attacks in federated learning
von: Biswas, Sayan, et al.
Veröffentlicht: (2024)

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

The Privacy-Utility Trade-off in the Topics API
von: Alvim, Mário S., et al.
Veröffentlicht: (2024)

Generalized Rainbow Differential Privacy
von: Gu, Yuzhou, et al.
Veröffentlicht: (2023)

Information Density Bounds for Privacy
von: Saeidian, Sara, et al.
Veröffentlicht: (2024)

Flexible and scalable privacy assessment for very large datasets, with an application to official governmental microdata
von: Alvim, Mário S., et al.
Veröffentlicht: (2022)

A novel analysis of utility in privacy pipelines, using Kronecker products and quantitative information flow
von: Alvim, Mário S., et al.
Veröffentlicht: (2023)

Composition Theorems for Multiple Differential Privacy Constraints
von: Cadir, Cemre, et al.
Veröffentlicht: (2026)

Beyond Theoretical Bounds: Empirical Privacy Loss Calibration for Text Rewriting Under Local Differential Privacy
von: Li, Weijun, et al.
Veröffentlicht: (2026)

On Improving the Composition Privacy Loss in Differential Privacy for Fixed Estimation Error
von: Rameshwar, V. Arvind, et al.
Veröffentlicht: (2024)

Breaking the Communication-Privacy-Accuracy Tradeoff with $f$-Differential Privacy
von: Jin, Richeng, et al.
Veröffentlicht: (2023)

Quantifying Privacy via Information Density
von: Grosse, Leonhard, et al.
Veröffentlicht: (2024)

The Hidden Cost of Correlation: Rethinking Privacy Leakage in Local Differential Privacy
von: Jayawardana, Sandaru, et al.
Veröffentlicht: (2025)

Over-the-Air Collaborative Inference with Feature Differential Privacy
von: Seif, Mohamed, et al.
Veröffentlicht: (2024)

Concurrent Composition for Interactive Differential Privacy with Adaptive Privacy-Loss Parameters
von: Haney, Samuel, et al.
Veröffentlicht: (2023)

A new measure for dynamic leakage based on quantitative information flow
von: Soares, Luigi D. C., et al.
Veröffentlicht: (2025)

Dobrushin Coefficients of Private Mechanisms Beyond Local Differential Privacy
von: Grosse, Leonhard, et al.
Veröffentlicht: (2026)

IDT: Dual-Task Adversarial Attacks for Privacy Protection
von: Faustini, Pedro, et al.
Veröffentlicht: (2024)

Evaluating Differential Privacy on Correlated Datasets Using Pointwise Maximal Leakage
von: Saeidian, Sara, et al.
Veröffentlicht: (2025)

Strict Optimality of Frequency and Distribution Estimation Under Local Differential Privacy
von: Pan, Mingen
Veröffentlicht: (2026)

Rao Differential Privacy
von: Soto, Carlos
Veröffentlicht: (2025)

Fundamental Limit of Discrete Distribution Estimation under Utility-Optimized Local Differential Privacy
von: Yoon, Sun-Moon, et al.
Veröffentlicht: (2025)

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

Concentrated Differential Privacy for Bandits
von: Azize, Achraf, et al.
Veröffentlicht: (2023)

When Does Quantum Differential Privacy Compose?
von: Alabi, Daniel, et al.
Veröffentlicht: (2026)

Correlated Privacy Mechanisms for Differentially Private Distributed Mean Estimation
von: Vithana, Sajani, et al.
Veröffentlicht: (2024)

Collaborative Inference over Wireless Channels with Feature Differential Privacy
von: Seif, Mohamed, et al.
Veröffentlicht: (2024)

Realisation-Level Privacy Filtering
von: Taylor, Sophie, et al.
Veröffentlicht: (2026)

Meeting Utility Constraints in Differential Privacy: A Privacy-Boosting Approach
von: Jiang, Bo, et al.
Veröffentlicht: (2024)

Approximation of Pufferfish Privacy for Gaussian Priors
von: Ding, Ni
Veröffentlicht: (2024)

Balancing Privacy and Utility in Correlated Data: A Study of Bayesian Differential Privacy
von: Lange, Martin, et al.
Veröffentlicht: (2025)

Privacy Mechanism Design based on Empirical Distributions
von: Grosse, Leonhard, et al.
Veröffentlicht: (2025)

Outer Bounds on the CEO Problem with Privacy Constraints
von: Yachongka, Vamoua, et al.
Veröffentlicht: (2023)

Sample Complexity Bounds for Scalar Parameter Estimation Under Quantum Differential Privacy
von: Farokhi, Farhad
Veröffentlicht: (2025)

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

Achieving Dalenius' Goal of Data Privacy with Practical Assumptions
von: Wu, Genqiang, et al.
Veröffentlicht: (2017)

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

On Spatial-Provenance Recovery in Wireless Networks with Relaxed-Privacy Constraints
von: Bansal, Manish, et al.
Veröffentlicht: (2025)