Buchumschlag

Revisiting Differentially Private Hyper-parameter Tuning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xiang, Zihang, Wang, Tianhao, Wang, Chenglong, Wang, Di
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Preserving Node-level Privacy in Graph Neural Networks
von: Xiang, Zihang, et al.
Veröffentlicht: (2023)

Differentially Private Sparse Linear Regression with Heavy-tailed Responses
von: Tian, Xizhi, et al.
Veröffentlicht: (2025)

FlashDP: Private Training Large Language Models with Efficient DP-SGD
von: Wang, Liangyu, et al.
Veröffentlicht: (2025)

Differentially Private Subspace Fine-Tuning for Large Language Models
von: Zheng, Lele, et al.
Veröffentlicht: (2026)

Beyond One-Size-Fits-All: Neural Networks for Differentially Private Tabular Data Synthesis
von: Chen, Kai, et al.
Veröffentlicht: (2025)

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

Efficient Differentially Private Fine-Tuning of Diffusion Models
von: Liu, Jing, et al.
Veröffentlicht: (2024)

Improving the Privacy and Practicality of Objective Perturbation for Differentially Private Linear Learners
von: Redberg, Rachel, et al.
Veröffentlicht: (2023)

Revisiting Hyperparameter Tuning with Differential Privacy
von: Ding, Youlong, et al.
Veröffentlicht: (2022)

Practical Differentially Private Hyperparameter Tuning with Subsampling
von: Koskela, Antti, et al.
Veröffentlicht: (2023)

Data-adaptive Differentially Private Prompt Synthesis for In-Context Learning
von: Gao, Fengyu, et al.
Veröffentlicht: (2024)

Privacy Audit as Bits Transmission: (Im)possibilities for Audit by One Run
von: Xiang, Zihang, et al.
Veröffentlicht: (2025)

DP-SelFT: Differentially Private Selective Fine-Tuning for Large Language Models
von: Sha, Haichao, et al.
Veröffentlicht: (2026)

Towards Lifecycle Unlearning Commitment Management: Measuring Sample-level Approximate Unlearning Completeness
von: Wang, Cheng-Long, et al.
Veröffentlicht: (2024)

Beyond Statistical Estimation: Differentially Private Individual Computation via Shuffling
von: Wang, Shaowei, et al.
Veröffentlicht: (2024)

Delving into Differentially Private Transformer
von: Ding, Youlong, et al.
Veröffentlicht: (2024)

Challenges in Enabling Private Data Valuation
von: Fu, Yiwei, et al.
Veröffentlicht: (2026)

Differentially Private Federated Learning: A Systematic Review
von: Fu, Jie, et al.
Veröffentlicht: (2024)

Privacy Profiles for Private Selection
von: Koskela, Antti, et al.
Veröffentlicht: (2024)

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

Differentially Private Reinforcement Learning with Self-Play
von: Qiao, Dan, et al.
Veröffentlicht: (2024)

Towards Lifecycle Unlearning Commitment Management: Measuring Sample-level Unlearning Completeness
von: Wang, Cheng-Long, et al.
Veröffentlicht: (2025)

ALI-DPFL: Differentially Private Federated Learning with Adaptive Local Iterations
von: Ling, Xinpeng, et al.
Veröffentlicht: (2023)

Differentially Private Range Queries with Correlated Input Perturbation
von: Dharangutte, Prathamesh, et al.
Veröffentlicht: (2024)

Differentially Private Attention Computation
von: Gao, Yeqi, et al.
Veröffentlicht: (2023)

Differentially Private Diffusion Models
von: Dockhorn, Tim, et al.
Veröffentlicht: (2022)

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

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

LMO-DP: Optimizing the Randomization Mechanism for Differentially Private Fine-Tuning (Large) Language Models
von: Yang, Qin, et al.
Veröffentlicht: (2024)

Private and Communication-Efficient Federated Learning based on Differentially Private Sketches
von: Zhang, Meifan, et al.
Veröffentlicht: (2024)

Differentially Private Random Feature Model
von: Liao, Chunyang, et al.
Veröffentlicht: (2024)

Differentially Private Conditional Independence Testing
von: Kalemaj, Iden, et al.
Veröffentlicht: (2023)

Purifying Approximate Differential Privacy with Randomized Post-processing
von: Lin, Yingyu, et al.
Veröffentlicht: (2025)

Private-RAG: Answering Multiple Queries with LLMs while Keeping Your Data Private
von: Wu, Ruihan, et al.
Veröffentlicht: (2025)

Locally Differentially Private Distributed Online Learning with Guaranteed Optimality
von: Chen, Ziqin, et al.
Veröffentlicht: (2023)

Differentially Private Training of Mixture of Experts Models
von: Tholoniat, Pierre, et al.
Veröffentlicht: (2024)

Differentially Private Decentralized Learning with Random Walks
von: Cyffers, Edwige, et al.
Veröffentlicht: (2024)

Noise-Aware Differentially Private Variational Inference
von: Alrawajfeh, Talal, et al.
Veröffentlicht: (2024)

Differentially Private Domain Adaptation with Theoretical Guarantees
von: Bassily, Raef, et al.
Veröffentlicht: (2023)

Scaling Laws for Differentially Private Language Models
von: McKenna, Ryan, et al.
Veröffentlicht: (2025)