:: Library Catalog

Obálka

Uloženo v:

Podrobná bibliografie
Hlavní autoři:	Lebensold, Jonathan, Sanjabi, Maziar, Astolfi, Pietro, Romero-Soriano, Adriana, Chaudhuri, Kamalika, Rabbat, Mike, Guo, Chuan
Médium:	Preprint
Vydáno:	2024
Témata:	Machine Learning Cryptography and Security Computer Vision and Pattern Recognition
On-line přístup:	https://arxiv.org/abs/2403.14421
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Podobné jednotky

Robustness of Locally Differentially Private Graph Analysis Against Poisoning
Autor: Imola, Jacob, a další
Vydáno: (2022)

On Differentially Private U Statistics
Autor: Chaudhuri, Kamalika, a další
Vydáno: (2024)

Machine Learning with Privacy for Protected Attributes
Autor: Mahloujifar, Saeed, a další
Vydáno: (2025)

Measuring Privacy Loss in Distributed Spatio-Temporal Data
Autor: Koga, Tatsuki, a další
Vydáno: (2024)

DP-SelFT: Differentially Private Selective Fine-Tuning for Large Language Models
Autor: Sha, Haichao, a další
Vydáno: (2026)

On the Privacy of Selection Mechanisms with Gaussian Noise
Autor: Lebensold, Jonathan, a další
Vydáno: (2024)

Privacy Amplification for the Gaussian Mechanism via Bounded Support
Autor: Hu, Shengyuan, a další
Vydáno: (2024)

WASP: Benchmarking Web Agent Security Against Prompt Injection Attacks
Autor: Evtimov, Ivan, a další
Vydáno: (2025)

Communication-Efficient Triangle Counting under Local Differential Privacy
Autor: Imola, Jacob, a další
Vydáno: (2021)

Metric Differential Privacy at the User-Level Via the Earth Mover's Distance
Autor: Imola, Jacob, a další
Vydáno: (2024)

Auditing $f$-Differential Privacy in One Run
Autor: Mahloujifar, Saeed, a další
Vydáno: (2024)

DP-LDMs: Differentially Private Latent Diffusion Models
Autor: Liu, Michael F., a další
Vydáno: (2023)

SecAlign: Defending Against Prompt Injection with Preference Optimization
Autor: Chen, Sizhe, a další
Vydáno: (2024)

Efficient Differentially Private Fine-Tuning of Diffusion Models
Autor: Liu, Jing, a další
Vydáno: (2024)

LMO-DP: Optimizing the Randomization Mechanism for Differentially Private Fine-Tuning (Large) Language Models
Autor: Yang, Qin, a další
Vydáno: (2024)

DP-GENG : Differentially Private Dataset Distillation Guided by DP-Generated Data
Autor: Shi, Shuo, a další
Vydáno: (2025)

DP-TLDM: Differentially Private Tabular Latent Diffusion Model
Autor: Zhu, Chaoyi, a další
Vydáno: (2024)

DP-SAPF: Saliency-Aware Parameter Fine-tuning of Public Models for Differentially Private Image Synthesis
Autor: Gong, Chen, a další
Vydáno: (2026)

RL Is a Hammer and LLMs Are Nails: A Simple Reinforcement Learning Recipe for Strong Prompt Injection
Autor: Wen, Yuxin, a další
Vydáno: (2025)

DP-DocLDM: Differentially Private Document Image Generation using Latent Diffusion Models
Autor: Saifullah, Saifullah, a další
Vydáno: (2025)

Guarantees of confidentiality via Hammersley-Chapman-Robbins bounds
Autor: Chaudhuri, Kamalika, a další
Vydáno: (2024)

FlashDP: Private Training Large Language Models with Efficient DP-SGD
Autor: Wang, Liangyu, a další
Vydáno: (2025)

Differentially Private Fine-Tuning of Diffusion Models
Autor: Tsai, Yu-Lin, a další
Vydáno: (2024)

Privacy-Preserving Retrieval-Augmented Generation with Differential Privacy
Autor: Koga, Tatsuki, a další
Vydáno: (2024)

Can We Infer Confidential Properties of Training Data from LLMs?
Autor: Huang, Pengrun, a další
Vydáno: (2025)

CIMemories: A Compositional Benchmark for Contextual Integrity of Persistent Memory in LLMs
Autor: Mireshghallah, Niloofar, a další
Vydáno: (2025)

DP-BREM: Differentially-Private and Byzantine-Robust Federated Learning with Client Momentum
Autor: Gu, Xiaolan, a další
Vydáno: (2023)

DP-KAN: Differentially Private Kolmogorov-Arnold Networks
Autor: Kalinin, Nikita P., a další
Vydáno: (2024)

FairProof : Confidential and Certifiable Fairness for Neural Networks
Autor: Yadav, Chhavi, a další
Vydáno: (2024)

ExpProof : Operationalizing Explanations for Confidential Models with ZKPs
Autor: Yadav, Chhavi, a další
Vydáno: (2025)

Mitigating Downstream Model Risks via Model Provenance
Autor: Wang, Keyu, a další
Vydáno: (2024)

Rethinking the Security of DP-SGD: A Corrected Analysis of Differentially Private Machine Learning
Autor: Wang, Wenhao, a další
Vydáno: (2026)

DP-RuL: Differentially-Private Rule Learning for Clinical Decision Support Systems
Autor: Lamp, Josephine, a další
Vydáno: (2024)

DP-SGD Without Clipping: The Lipschitz Neural Network Way
Autor: Bethune, Louis, a další
Vydáno: (2023)

Private Estimation when Data and Privacy Demands are Correlated
Autor: Chaudhuri, Syomantak, a další
Vydáno: (2024)

Differentially Private Subspace Fine-Tuning for Large Language Models
Autor: Zheng, Lele, a další
Vydáno: (2026)

DP-FedLoRA: Privacy-Enhanced Federated Fine-Tuning for On-Device Large Language Models
Autor: Xu, Honghui, a další
Vydáno: (2025)

How Private are DP-SGD Implementations?
Autor: Chua, Lynn, a další
Vydáno: (2024)

CryptPEFT: Efficient and Private Neural Network Inference via Parameter-Efficient Fine-Tuning
Autor: Xia, Saisai, a další
Vydáno: (2025)

When FinTech Meets Privacy: Securing Financial LLMs with Differential Private Fine-Tuning
Autor: Zhu, Sichen, a další
Vydáno: (2025)