Copertina

Differentially Private Manifold Denoising

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Wu, Jiaqi, Sun, Yiqing, Yao, Zhigang
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning Cryptography and Security Statistics Theory
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

On Differentially Private U Statistics
di: Chaudhuri, Kamalika, et al.
Pubblicazione: (2024)

Differentially Private Best-Arm Identification
di: Azize, Achraf, et al.
Pubblicazione: (2024)

Differentially Private Sliced Inverse Regression: Minimax Optimality and Algorithm
di: Xia, Xintao, et al.
Pubblicazione: (2024)

DP-SPRT: Differentially Private Sequential Probability Ratio Tests
di: Michel, Thomas, et al.
Pubblicazione: (2025)

Contraction of Locally Differentially Private Mechanisms
di: Asoodeh, Shahab, et al.
Pubblicazione: (2022)

Differentially Private Inference for Longitudinal Linear Regression
di: Sopa, Getoar, et al.
Pubblicazione: (2026)

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

Differentially Private Permutation Tests: Applications to Kernel Methods
di: Kim, Ilmun, et al.
Pubblicazione: (2023)

An Iterative Algorithm for Differentially Private $k$-PCA with Adaptive Noise
di: Düngler, Johanna, et al.
Pubblicazione: (2025)

Differentially Private Federated Learning: Servers Trustworthiness, Estimation, and Statistical Inference
di: Zhang, Zhe, et al.
Pubblicazione: (2024)

Score Attack: A Lower Bound Technique for Optimal Differentially Private Learning
di: Cai, T. Tony, et al.
Pubblicazione: (2023)

On Privately Estimating a Single Parameter
di: Asi, Hilal, et al.
Pubblicazione: (2025)

Optimal Survey Design for Private Mean Estimation
di: Chen, Yu-Wei, et al.
Pubblicazione: (2025)

Differentially Private Synthetic Data with Private Density Estimation
di: Bojkovic, Nikolija, et al.
Pubblicazione: (2024)

A Statistical Viewpoint on Differential Privacy: Hypothesis Testing, Representation and Blackwell's Theorem
di: Su, Weijie J.
Pubblicazione: (2024)

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

Optimal Rates for Differentially Private Hypothesis Testing with E-values
di: Jacobsen, Ben, et al.
Pubblicazione: (2026)

Better and Simpler Lower Bounds for Differentially Private Statistical Estimation
di: Narayanan, Shyam
Pubblicazione: (2023)

Concentrated Differential Privacy for Bandits
di: Azize, Achraf, et al.
Pubblicazione: (2023)

Federated Transfer Learning with Differential Privacy
di: Li, Mengchu, et al.
Pubblicazione: (2024)

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

Beyond Covariance Matrix: The Statistical Complexity of Private Linear Regression
di: Chen, Fan, et al.
Pubblicazione: (2025)

Mitigating Privacy-Utility Trade-off in Decentralized Federated Learning via $f$-Differential Privacy
di: Li, Xiang, et al.
Pubblicazione: (2025)

Shifted Interpolation for Differential Privacy
di: Bok, Jinho, et al.
Pubblicazione: (2024)

Attack-Aware Noise Calibration for Differential Privacy
di: Kulynych, Bogdan, et al.
Pubblicazione: (2024)

Beyond the Calibration Point: Mechanism Comparison in Differential Privacy
di: Kaissis, Georgios, et al.
Pubblicazione: (2024)

Instance-Optimal Private Density Estimation in the Wasserstein Distance
di: Feldman, Vitaly, et al.
Pubblicazione: (2024)

Sequential Membership Inference Attacks
di: Michel, Thomas, et al.
Pubblicazione: (2026)

On Rate-Optimal Partitioning Classification from Observable and from Privatised Data
di: Csáji, Balázs Csanád, et al.
Pubblicazione: (2023)

Generalization Bound and New Algorithm for Clean-Label Backdoor Attack
di: Yu, Lijia, et al.
Pubblicazione: (2024)

Optimal Classification-based Anomaly Detection with Neural Networks: Theory and Practice
di: Zhou, Tian-Yi, et al.
Pubblicazione: (2024)

Some Targets Are Harder to Identify than Others: Quantifying the Target-dependent Membership Leakage
di: Azize, Achraf, et al.
Pubblicazione: (2024)

A Linear Approach to Data Poisoning
di: Flynn, Donald, et al.
Pubblicazione: (2025)

Privacy of SGD under Gaussian or Heavy-Tailed Noise: Guarantees without Gradient Clipping
di: Şimşekli, Umut, et al.
Pubblicazione: (2024)

Differentially Private Joint Independence Test
di: Liu, Xingwei, et al.
Pubblicazione: (2025)

Nonparametric extensions of randomized response for private confidence sets
di: Waudby-Smith, Ian, et al.
Pubblicazione: (2022)

CoinPress: Practical Private Mean and Covariance Estimation
di: Biswas, Sourav, et al.
Pubblicazione: (2020)

Differentially Private Fair Binary Classifications
di: Ghoukasian, Hrad, et al.
Pubblicazione: (2024)

Gaussian Differentially Private Human Faces Under a Face Radial Curve Representation
di: Soto, Carlos, et al.
Pubblicazione: (2024)

Straggler-Resilient Differentially-Private Decentralized Learning
di: Yakimenka, Yauhen, et al.
Pubblicazione: (2022)