Buchumschlag

Lumberjack: Better Differentially Private Random Forests through Heavy Hitter Detection in Trees

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lebeda, Christian Janos, Erb, David, Cebere, Tudor, Bellet, Aurélien
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Data Structures and Algorithms
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Better Differentially Private Approximate Histograms and Heavy Hitters using the Misra-Gries Sketch
von: Lebeda, Christian Janos, et al.
Veröffentlicht: (2023)

PLAN: Variance-Aware Private Mean Estimation
von: Aumüller, Martin, et al.
Veröffentlicht: (2023)

Better Gaussian Mechanism using Correlated Noise
von: Lebeda, Christian Janos
Veröffentlicht: (2024)

The Correlated Gaussian Sparse Histogram Mechanism
von: Lebeda, Christian Janos, et al.
Veröffentlicht: (2024)

Learning-Based Heavy Hitters and Flow Frequency Estimation in Streams
von: Shahout, Rana, et al.
Veröffentlicht: (2024)

Weighted Fourier Factorizations: Optimal Gaussian Noise for Differentially Private Marginal and Product Queries
von: Lebeda, Christian Janos, et al.
Veröffentlicht: (2025)

Avoiding Pitfalls for Privacy Accounting of Subsampled Mechanisms under Composition
von: Lebeda, Christian Janos, et al.
Veröffentlicht: (2024)

Adversarially Robust Dense-Sparse Tradeoffs via Heavy-Hitters
von: Woodruff, David P., et al.
Veröffentlicht: (2024)

Privacy Amplification Persists under Unlimited Synthetic Data Release
von: Pierquin, Clément, et al.
Veröffentlicht: (2026)

Better Learning-Augmented Spanning Tree Algorithms via Metric Forest Completion
von: Veldt, Nate, et al.
Veröffentlicht: (2026)

Tight Bounds for Heavy-Hitters and Moment Estimation in the Sliding Window Model
von: Feng, Shiyuan, et al.
Veröffentlicht: (2025)

Testing Identity of Distributions under Kolmogorov Distance in Polylogarithmic Space
von: Lebeda, Christian Janos, et al.
Veröffentlicht: (2024)

Thompson Sampling Itself is Differentially Private
von: Ou, Tingting, et al.
Veröffentlicht: (2024)

Private Edge Density Estimation for Random Graphs: Optimal, Efficient and Robust
von: Chen, Hongjie, et al.
Veröffentlicht: (2024)

Differential Private Stochastic Optimization with Heavy-tailed Data: Towards Optimal Rates
von: Zhao, Puning, et al.
Veröffentlicht: (2024)

Simple and Optimal Algorithms for Heavy Hitters and Frequency Moments in Distributed Models
von: Huang, Zengfeng, et al.
Veröffentlicht: (2025)

Adaptive Power Iteration Method for Differentially Private PCA
von: Nguyen, Ta Duy, et al.
Veröffentlicht: (2026)

Differentially Private and Scalable Estimation of the Network Principal Component
von: Khayatian, Alireza, et al.
Veröffentlicht: (2025)

Tight Differentially Private PCA via Matrix Coherence
von: d'Orsi, Tommaso, et al.
Veröffentlicht: (2025)

Binned Group Algebra Factorization for Differentially Private Continual Counting
von: Henzinger, Monika, et al.
Veröffentlicht: (2025)

Towards Optimal Differentially Private Regret Bounds in Linear MDPs
von: Sahu, Sharan
Veröffentlicht: (2025)

Differentially Private Synthetic Graphs Preserving Triangle-Motif Cuts
von: Peng, Pan, et al.
Veröffentlicht: (2025)

Constant matters: Fine-grained Complexity of Differentially Private Continual Observation
von: Fichtenberger, Hendrik, et al.
Veröffentlicht: (2022)

ResidualSketch: Enhancing Layer Efficiency and Error Reduction in Hierarchical Heavy Hitter Detection with ResNet Innovations
von: Liu, Xilai, et al.
Veröffentlicht: (2025)

Better Bounds for the Distributed Experts Problem
von: Woodruff, David P., et al.
Veröffentlicht: (2026)

Better Private Distribution Testing by Leveraging Unverified Auxiliary Data
von: Aliakbarpour, Maryam, et al.
Veröffentlicht: (2025)

Differentially Private Verification of Distribution Properties
von: Du, Elbert, et al.
Veröffentlicht: (2026)

Differentially Private Clustering in Data Streams
von: Epasto, Alessandro, et al.
Veröffentlicht: (2023)

Differentially Private Kernel Density Estimation
von: Liu, Erzhi, et al.
Veröffentlicht: (2024)

Differentially Private Densest Subgraph Detection
von: Nguyen, Dung, et al.
Veröffentlicht: (2021)

Differentially Private Multi-Sampling from Distributions
von: Cheu, Albert, et al.
Veröffentlicht: (2024)

Making Old Things New: A Unified Algorithm for Differentially Private Clustering
von: la Tour, Max Dupré, et al.
Veröffentlicht: (2024)

Query-Efficient Locally Private Hypothesis Selection via the Scheffe Graph
von: Kamath, Gautam, et al.
Veröffentlicht: (2025)

LevAttention: Time, Space, and Streaming Efficient Algorithm for Heavy Attentions
von: Kannan, Ravindran, et al.
Veröffentlicht: (2024)

On Purely Private Covariance Estimation
von: d'Orsi, Tommaso, et al.
Veröffentlicht: (2025)

Differentially Private Learning Beyond the Classical Dimensionality Regime
von: Dwork, Cynthia, et al.
Veröffentlicht: (2024)

Private Stochastic Convex Optimization with Heavy Tails: Near-Optimality from Simple Reductions
von: Asi, Hilal, et al.
Veröffentlicht: (2024)

A Differentially Private Clustering Algorithm for Well-Clustered Graphs
von: He, Weiqiang, et al.
Veröffentlicht: (2024)

Almost Tight Error Bounds on Differentially Private Continual Counting
von: Henzinger, Monika, et al.
Veröffentlicht: (2022)

Individual Privacy Accounting for Differentially Private Stochastic Gradient Descent
von: Yu, Da, et al.
Veröffentlicht: (2022)