Buchumschlag

EPSVec: Efficient and Private Synthetic Data Generation via Dataset Vectors

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Banayeeanzade, Amin, Yang, Qingchuan, Fu, Deqing, Hong, Spencer, Babinsky, Erin, Samuel, Alfy, Kumar, Anoop, Jia, Robin, Karimireddy, Sai Praneeth
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language Artificial Intelligence Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ContextLeak: Auditing Leakage in Private In-Context Learning Methods
von: Choi, Jacob, et al.
Veröffentlicht: (2025)

Sampling More, Getting Less: Calibration is the Diversity Bottleneck in LLMs
von: Banayeeanzade, Amin, et al.
Veröffentlicht: (2026)

A Differentially Private Kaplan-Meier Estimator for Privacy-Preserving Survival Analysis
von: Veeraragavan, Narasimha Raghavan, et al.
Veröffentlicht: (2024)

Collaborative Heterogeneous Causal Inference Beyond Meta-analysis
von: Guo, Tianyu, et al.
Veröffentlicht: (2024)

LIA: Privacy-Preserving Data Quality Evaluation in Federated Learning Using a Lazy Influence Approximation
von: Rokvic, Ljubomir, et al.
Veröffentlicht: (2022)

VoxGuard: Evaluating User and Attribute Privacy in Speech via Membership Inference Attacks
von: Tsaprazlis, Efthymios, et al.
Veröffentlicht: (2025)

Combinatorial Privacy: Private Multi-Party Bitstream Grand Sum by Hiding in Birkhoff Polytopes
von: Vepakomma, Praneeth
Veröffentlicht: (2026)

PCEvolve: Private Contrastive Evolution for Synthetic Dataset Generation via Few-Shot Private Data and Generative APIs
von: Zhang, Jianqing, et al.
Veröffentlicht: (2025)

Power Mechanism: Private Tabular Representation Release for Model Agnostic Consumption
von: Vepakomma, Praneeth, et al.
Veröffentlicht: (2025)

PrivORL: Differentially Private Synthetic Dataset for Offline Reinforcement Learning
von: Gong, Chen, et al.
Veröffentlicht: (2025)

Leveraging Vertical Public-Private Split for Improved Synthetic Data Generation
von: Maddock, Samuel, et al.
Veröffentlicht: (2025)

Inference With Combining Rules From Multiple Differentially Private Synthetic Datasets
von: Nombo, Leila, et al.
Veröffentlicht: (2024)

Optimization with Access to Auxiliary Information
von: Chayti, El Mahdi, et al.
Veröffentlicht: (2022)

Efficiently Computing Similarities to Private Datasets
von: Backurs, Arturs, et al.
Veröffentlicht: (2024)

FHAIM: Fully Homomorphic AIM For Private Synthetic Data Generation
von: Kumar, Mayank, et al.
Veröffentlicht: (2026)

Psychological Steering in LLMs: An Evaluation of Effectiveness and Trustworthiness
von: Banayeeanzade, Amin, et al.
Veröffentlicht: (2025)

Sparks of Rationality: Do Reasoning LLMs Align with Human Judgment and Choice?
von: Tak, Ala N., et al.
Veröffentlicht: (2026)

PREAMBLE: Private and Efficient Aggregation via Block Sparse Vectors
von: Asi, Hilal, et al.
Veröffentlicht: (2025)

DeepReShape: Redesigning Neural Networks for Efficient Private Inference
von: Jha, Nandan Kumar, et al.
Veröffentlicht: (2023)

DPDSyn: Improving Differentially Private Dataset Synthesis for Model Training by Downstream Task Guidance
von: Jia, Mingxuan, et al.
Veröffentlicht: (2026)

Differentially Private Synthetic High-dimensional Tabular Stream
von: Kumar, Girish, et al.
Veröffentlicht: (2024)

Beyond URLs: Metadata Diversity and Position for Efficient LLM Pretraining
von: Fan, Dongyang, et al.
Veröffentlicht: (2025)

Communication-Efficient Heterogeneous Federated Learning with Generalized Heavy-Ball Momentum
von: Zaccone, Riccardo, et al.
Veröffentlicht: (2023)

Synthetic Datasets for Program Similarity Research
von: Interrante-Grant, Alexander, et al.
Veröffentlicht: (2024)

On the Limits of Momentum in Decentralized and Federated Optimization
von: Zaccone, Riccardo, et al.
Veröffentlicht: (2025)

Modulated learning for private and distributed regression with just a single sample per client device
von: Vepakomma, Praneeth, et al.
Veröffentlicht: (2026)

Private Synthetic Data Generation in Bounded Memory
von: Holland, Rayne, et al.
Veröffentlicht: (2024)

Network and Compiler Optimizations for Efficient Linear Algebra Kernels in Private Transformer Inference
von: Garimella, Karthik, et al.
Veröffentlicht: (2025)

Uncertainty as Feature Gaps: Epistemic Uncertainty Quantification of LLMs in Contextual Question-Answering
von: Bakman, Yavuz, et al.
Veröffentlicht: (2025)

CaPS: Collaborative and Private Synthetic Data Generation from Distributed Sources
von: Pentyala, Sikha, et al.
Veröffentlicht: (2024)

Non-intrusive and Unconstrained Keystroke Inference in VR Platforms via Infrared Side Channel
von: Ni, Tao, et al.
Veröffentlicht: (2024)

Differentially Private Low-dimensional Synthetic Data from High-dimensional Datasets
von: He, Yiyun, et al.
Veröffentlicht: (2023)

Vector Commitments with Efficient Updates
von: Tas, Ertem Nusret, et al.
Veröffentlicht: (2023)

CriteoPrivateAds: A Real-World Bidding Dataset to Design Private Advertising Systems
von: Sebbar, Mehdi, et al.
Veröffentlicht: (2025)

Benchmarking Private Population Data Release Mechanisms: Synthetic Data vs. TopDown
von: Maddi, Aadyaa, et al.
Veröffentlicht: (2024)

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

Differentially Private Synthetic Data Generation for Relational Databases
von: Alimohammadi, Kaveh, et al.
Veröffentlicht: (2024)

FL-DECO-BC: A Privacy-Preserving, Provably Secure, and Provenance-Preserving Federated Learning Framework with Decentralized Oracles on Blockchain for VANETs
von: Narkedimilli, Sathwik, et al.
Veröffentlicht: (2024)

Nebula: Efficient, Private and Accurate Histogram Estimation
von: Shamsabadi, Ali Shahin, et al.
Veröffentlicht: (2024)

Differentially Private Distributed Inference
von: Papachristou, Marios, et al.
Veröffentlicht: (2024)