Buchumschlag

PAC-Private Responses with Adversarial Composition

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Xiaochen, Sridhar, Mayuri, Devadas, Srinivas
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

PACZero: PAC-Private Fine-Tuning of Language Models via Sign Quantization
von: Ertan, Murat Bilgehan, et al.
Veröffentlicht: (2026)

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

Passive Inference Attacks on Split Learning via Adversarial Regularization
von: Zhu, Xiaochen, et al.
Veröffentlicht: (2023)

Adversarial Attacks on Locally Private Graph Neural Networks
von: Varun, Matta, et al.
Veröffentlicht: (2026)

Private PAC Learning May be Harder than Online Learning
von: Bun, Mark, et al.
Veröffentlicht: (2024)

Making Sense of Private Advertising: A Principled Approach to a Complex Ecosystem
von: Hogan, Kyle, et al.
Veröffentlicht: (2025)

Secure and Private Federated Learning: Achieving Adversarial Resilience through Robust Aggregation
von: Yang, Kun, et al.
Veröffentlicht: (2025)

AdvSGM: Differentially Private Graph Learning via Adversarial Skip-gram Model
von: Zhang, Sen, et al.
Veröffentlicht: (2025)

Differentially Private Sparse Linear Regression with Heavy-tailed Responses
von: Tian, Xizhi, et al.
Veröffentlicht: (2025)

Personalized Federated Learning of Probabilistic Models: A PAC-Bayesian Approach
von: Boroujeni, Mahrokh Ghoddousi, et al.
Veröffentlicht: (2024)

Deciphering the Chaos: Enhancing Jailbreak Attacks via Adversarial Prompt Translation
von: Li, Qizhang, et al.
Veröffentlicht: (2024)

A Giant-Step Baby-Step Classifier For Scalable and Real-Time Anomaly Detection In Industrial Control Systems and Water Treatment Systems
von: Venugopalan, Sarad, et al.
Veröffentlicht: (2025)

Adversary-Aware Private Inference over Wireless Channels
von: Seif, Mohamed, et al.
Veröffentlicht: (2025)

Enhancing Adversarial Attacks via Parameter Adaptive Adversarial Attack
von: Jin, Zhibo, et al.
Veröffentlicht: (2024)

PrAda-GAN: A Private Adaptive Generative Adversarial Network with Bayes Network Structure
von: Jia, Ke, et al.
Veröffentlicht: (2025)

Privately Learning Decision Lists and a Differentially Private Winnow
von: Bun, Mark, et al.
Veröffentlicht: (2026)

Private and Communication-Efficient Federated Learning based on Differentially Private Sketches
von: Zhang, Meifan, et al.
Veröffentlicht: (2024)

DP-TLDM: Differentially Private Tabular Latent Diffusion Model
von: Zhu, Chaoyi, et al.
Veröffentlicht: (2024)

Learning with Locally Private Examples by Inverse Weierstrass Private Stochastic Gradient Descent
von: Dufraiche, Jean, et al.
Veröffentlicht: (2026)

Calibration Attacks: A Comprehensive Study of Adversarial Attacks on Model Confidence
von: Obadinma, Stephen, et al.
Veröffentlicht: (2024)

Delving into Differentially Private Transformer
von: Ding, Youlong, et al.
Veröffentlicht: (2024)

Differentially Private Attention Computation
von: Gao, Yeqi, et al.
Veröffentlicht: (2023)

Privacy Profiles for Private Selection
von: Koskela, Antti, et al.
Veröffentlicht: (2024)

Differentially Private Diffusion Models
von: Dockhorn, Tim, et al.
Veröffentlicht: (2022)

PAC to the Future: Zero-Knowledge Proofs of PAC Private Systems
von: Repetto, Guilhem, et al.
Veröffentlicht: (2026)

Simple and Efficient Partial Graph Adversarial Attack: A New Perspective
von: Zhu, Guanghui, et al.
Veröffentlicht: (2023)

Assessing the Effectiveness of Membership Inference on Generative Music
von: Chow, Kurtis, et al.
Veröffentlicht: (2025)

Differentially Private Low-Rank Adaptation of Large Language Model Using Federated Learning
von: Liu, Xiao-Yang, et al.
Veröffentlicht: (2023)

On Design Principles for Private Adaptive Optimizers
von: Ganesh, Arun, et al.
Veröffentlicht: (2025)

Locally Private Estimation with Public Features
von: Ma, Yuheng, et al.
Veröffentlicht: (2024)

Differentially Private Conditional Independence Testing
von: Kalemaj, Iden, et al.
Veröffentlicht: (2023)

Differentially Private Random Feature Model
von: Liao, Chunyang, et al.
Veröffentlicht: (2024)

Private Truly-Everlasting Robust-Prediction
von: Stemmer, Uri
Veröffentlicht: (2024)

Entropy-Guided Attention for Private LLMs
von: Jha, Nandan Kumar, et al.
Veröffentlicht: (2025)

PRIMO: Private Regression in Multiple Outcomes
von: Neel, Seth
Veröffentlicht: (2023)

DMS: Addressing Information Loss with More Steps for Pragmatic Adversarial Attacks
von: Zhu, Zhiyu, et al.
Veröffentlicht: (2024)

Detecting Adversarial Data via Provable Adversarial Noise Amplification
von: Mumcu, Furkan, et al.
Veröffentlicht: (2026)

Differentially Private Domain Adaptation with Theoretical Guarantees
von: Bassily, Raef, et al.
Veröffentlicht: (2023)

Practical Differentially Private Hyperparameter Tuning with Subsampling
von: Koskela, Antti, et al.
Veröffentlicht: (2023)

Optimized Tradeoffs for Private Prediction with Majority Ensembling
von: Jiang, Shuli, et al.
Veröffentlicht: (2024)