Buchumschlag

Interpolation-Based Optimization for Enforcing lp-Norm Metric Differential Privacy in Continuous and Fine-Grained Domains

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Qiu, Chenxi
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

PAnDA: Rethinking Metric Differential Privacy Optimization at Scale with Anchor-Based Approximation
von: Liu, Ruiyao, et al.
Veröffentlicht: (2025)

Metric-Normalized Posterior Leakage (mPL): Attacker-Aligned Privacy for Joint Consumption
von: Chen, Gaoyi, et al.
Veröffentlicht: (2026)

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

Shifted Interpolation for Differential Privacy
von: Bok, Jinho, et al.
Veröffentlicht: (2024)

RAMP: Boosting Adversarial Robustness Against Multiple $l_p$ Perturbations for Universal Robustness
von: Jiang, Enyi, et al.
Veröffentlicht: (2024)

Enhancing Scalability of Metric Differential Privacy via Secret Dataset Partitioning and Benders Decomposition
von: Qiu, Chenxi
Veröffentlicht: (2024)

A Decade of Metric Differential Privacy: Advancements and Applications
von: Xie, Xinpeng, et al.
Veröffentlicht: (2025)

An Improved Privacy and Utility Analysis of Differentially Private SGD with Bounded Domain and Smooth Losses
von: Liang, Hao, et al.
Veröffentlicht: (2025)

Lower Bounds for Differential Privacy Under Continual Observation and Online Threshold Queries
von: Cohen, Edith, et al.
Veröffentlicht: (2024)

Privacy Leakage via Output Label Space and Differentially Private Continual Learning
von: Tobaben, Marlon, et al.
Veröffentlicht: (2024)

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

DOPPLER: Differentially Private Optimizers with Low-pass Filter for Privacy Noise Reduction
von: Zhang, Xinwei, et al.
Veröffentlicht: (2024)

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

Mind the Privacy Unit! User-Level Differential Privacy for Language Model Fine-Tuning
von: Chua, Lynn, et al.
Veröffentlicht: (2024)

What is the Cost of Differential Privacy for Deep Learning-Based Trajectory Generation?
von: Buchholz, Erik, et al.
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)

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

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)

Differential Privacy Personalized Federated Learning Based on Dynamically Sparsified Client Updates
von: Wang, Chuanyin, et al.
Veröffentlicht: (2025)

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

Differential Privacy via Distributionally Robust Optimization
von: Selvi, Aras, et al.
Veröffentlicht: (2023)

Fine Grained Insider Risk Detection
von: Huber, Birkett, et al.
Veröffentlicht: (2024)

PLRV-O: Advancing Differentially Private Deep Learning via Privacy Loss Random Variable Optimization
von: Yang, Qin, et al.
Veröffentlicht: (2025)

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

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

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)

Privacy-Preserving Data Sharing in Agriculture: Enforcing Policy Rules for Secure and Confidential Data Synthesis
von: Kotal, Anantaa, et al.
Veröffentlicht: (2023)

Can Differentially Private Fine-tuning LLMs Protect Against Privacy Attacks?
von: Du, Hao, et al.
Veröffentlicht: (2025)

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

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)

Multi-Class Support Vector Machine with Differential Privacy
von: Park, Jinseong, et al.
Veröffentlicht: (2025)

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

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

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