Buchumschlag

DPSQL+: A Differentially Private SQL Library with a Minimum Frequency Rule

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Matsumoto, Tomoya, Takakura, Shokichi, Takagi, Shun, Hasegawa, Satoshi
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Cryptography and Security Databases Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Differentially Private Sampling from Distributions via Wasserstein Projection
von: Takakura, Shokichi, et al.
Veröffentlicht: (2026)

Securing Private Federated Learning in a Malicious Setting: A Scalable TEE-Based Approach with Client Auditing
von: Takagi, Shun, et al.
Veröffentlicht: (2025)

Differentially Private Learned Indexes
von: Du, Jianzhang, et al.
Veröffentlicht: (2024)

Differentially Private Selection using Smooth Sensitivity
von: Chaves, Iago, et al.
Veröffentlicht: (2025)

PE-means: Improved Differentially Private $k$-means Clustering through Private Evolution
von: Humphries, Thomas, et al.
Veröffentlicht: (2026)

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

Leveraging large language models for SQL behavior-based database intrusion detection
von: Shlezinger, Meital, et al.
Veröffentlicht: (2025)

HRNet: Differentially Private Hierarchical and Multi-Resolution Network for Human Mobility Data Synthesization
von: Takagi, Shun, et al.
Veröffentlicht: (2024)

Accelerating Differentially Private Federated Learning via Adaptive Extrapolation
von: Takakura, Shokichi, et al.
Veröffentlicht: (2025)

Differentially Private Inductive Miner
von: Schulze, Max, et al.
Veröffentlicht: (2024)

Differentially Private Explanations for Clusters
von: Gilad, Amir, et al.
Veröffentlicht: (2025)

On the Security Vulnerabilities of Text-to-SQL Models
von: Peng, Xutan, et al.
Veröffentlicht: (2022)

Differentially Private Stream Processing at Scale
von: Zhang, Bing, et al.
Veröffentlicht: (2023)

Differentially Private Data Generation with Missing Data
von: Mohapatra, Shubhankar, et al.
Veröffentlicht: (2023)

FHE-SQL: Fully Homomorphic Encrypted SQL Database
von: Tseng, Po-Yu, et al.
Veröffentlicht: (2025)

ResidualPlanner+: a scalable matrix mechanism for marginals and beyond
von: Xiao, Yingtai, et al.
Veröffentlicht: (2023)

Enhancing Data Provenance and Model Transparency in Federated Learning Systems -- A Database Approach
von: Gu, Michael, et al.
Veröffentlicht: (2024)

VeriX-Anon: A Multi-Layered Framework for Mathematically Verifiable Outsourced Target-Driven Data Anonymization
von: Daga, Miit, et al.
Veröffentlicht: (2026)

ULDP-FL: Federated Learning with Across Silo User-Level Differential Privacy
von: Kato, Fumiyuki, et al.
Veröffentlicht: (2023)

Practical and Accurate Local Edge Differentially Private Graph Algorithms
von: Mundra, Pranay, et al.
Veröffentlicht: (2025)

Interpreting the Error of Differentially Private Median Queries through Randomization Intervals
von: Humphries, Thomas, et al.
Veröffentlicht: (2026)

MongoDB Injection Query Classification Model using MongoDB Log files as Training Data
von: Perni, Shaunak, et al.
Veröffentlicht: (2026)

FERMI: Exploiting Relations for Membership Inference Against Tabular Diffusion Models
von: Mahyar, Abtin, et al.
Veröffentlicht: (2026)

Privacy-Preserved Neural Graph Databases
von: Hu, Qi, et al.
Veröffentlicht: (2023)

Supersonic OT: Fast Unconditionally Secure Oblivious Transfer
von: Abadi, Aydin, et al.
Veröffentlicht: (2024)

CryptoTrain: Fast Secure Training on Encrypted Dataset
von: Xue, Jiaqi, et al.
Veröffentlicht: (2024)

TabularMark: Watermarking Tabular Datasets for Machine Learning
von: Zheng, Yihao, et al.
Veröffentlicht: (2024)

Systematic Assessment of Tabular Data Synthesis
von: Du, Yuntao, et al.
Veröffentlicht: (2024)

Multi-Layer Privacy-Preserving Record Linkage with Clerical Review based on gradual information disclosure
von: Rohde, Florens, et al.
Veröffentlicht: (2024)

Preventing the Popular Item Embedding Based Attack in Federated Recommendations
von: Zhang, Jun, et al.
Veröffentlicht: (2025)

Towards Split Learning-based Privacy-Preserving Record Linkage
von: Zervas, Michail, et al.
Veröffentlicht: (2024)

Q-ShiftDP: A Differentially Private Parameter-Shift Rule for Quantum Machine Learning
von: Ngo, Hoang M., et al.
Veröffentlicht: (2026)

Privately Answering Queries on Skewed Data via Per Record Differential Privacy
von: Seeman, Jeremy, et al.
Veröffentlicht: (2023)

Are Your LLM-based Text-to-SQL Models Secure? Exploring SQL Injection via Backdoor Attacks
von: Lin, Meiyu, et al.
Veröffentlicht: (2025)

Differentially Private Iterative Screening Rules for Linear Regression
von: Khanna, Amol, et al.
Veröffentlicht: (2025)

RADAR: Exposing Unlogged NoSQL Operations
von: Nissan, Mahfuzul I., et al.
Veröffentlicht: (2026)

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

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

Smooth Sensitivity for Learning Differentially-Private yet Accurate Rule Lists
von: Ly, Timothée, et al.
Veröffentlicht: (2024)

Analysis of Shuffling Beyond Pure Local Differential Privacy
von: Takagi, Shun, et al.
Veröffentlicht: (2026)