Buchumschlag

Closed-Form Bounds for DP-SGD against Record-level Inference

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cherubin, Giovanni, Köpf, Boris, Paverd, Andrew, Tople, Shruti, Wutschitz, Lukas, Zanella-Béguelin, Santiago
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Canary's Echo: Auditing Privacy Risks of LLM-Generated Synthetic Text
von: Meeus, Matthieu, et al.
Veröffentlicht: (2025)

Securing AI Agents with Information-Flow Control
von: Costa, Manuel, et al.
Veröffentlicht: (2025)

Optimizing Agent Planning for Security and Autonomy
von: Kolluri, Aashish, et al.
Veröffentlicht: (2026)

Invariant Aggregator for Defending against Federated Backdoor Attacks
von: Wang, Xiaoyang, et al.
Veröffentlicht: (2022)

DP-SGD with weight clipping
von: Barczewski, Antoine, et al.
Veröffentlicht: (2023)

Beyond Membership: Limitations of Add/Remove Adjacency in Differential Privacy
von: Pradhan, Gauri, et al.
Veröffentlicht: (2025)

Permissive Information-Flow Analysis for Large Language Models
von: Siddiqui, Shoaib Ahmed, et al.
Veröffentlicht: (2024)

To Shuffle or not to Shuffle: Auditing DP-SGD with Shuffling
von: Annamalai, Meenatchi Sundaram Muthu Selva, et al.
Veröffentlicht: (2024)

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

Trade-off Functions for DP-SGD with Subsampling based on Random Shuffling: Tight Upper and Lower Bounds
von: van Dijk, Marten, et al.
Veröffentlicht: (2026)

R+R:Understanding Hyperparameter Effects in DP-SGD
von: Morsbach, Felix, et al.
Veröffentlicht: (2024)

Tight Group-Level DP Guarantees for DP-SGD with Sampling via Mixture of Gaussians Mechanisms
von: Ganesh, Arun
Veröffentlicht: (2024)

Investigating the Effect of Misalignment on Membership Privacy in the White-box Setting
von: Cretu, Ana-Maria, et al.
Veröffentlicht: (2023)

On the Convergence of DP-SGD with Adaptive Clipping
von: Shulgin, Egor, et al.
Veröffentlicht: (2024)

Fundamental Limitations of Favorable Privacy-Utility Guarantees for DP-SGD
von: Ertan, Murat Bilgehan, et al.
Veröffentlicht: (2026)

DP-SGD Without Clipping: The Lipschitz Neural Network Way
von: Bethune, Louis, et al.
Veröffentlicht: (2023)

Get my drift? Catching LLM Task Drift with Activation Deltas
von: Abdelnabi, Sahar, et al.
Veröffentlicht: (2024)

Tighter Privacy Auditing of DP-SGD in the Hidden State Threat Model
von: Cebere, Tudor, et al.
Veröffentlicht: (2024)

Balls-and-Bins Sampling for DP-SGD
von: Chua, Lynn, et al.
Veröffentlicht: (2024)

How Private are DP-SGD Implementations?
von: Chua, Lynn, et al.
Veröffentlicht: (2024)

Less Random, More Private: What is the Optimal Subsampling Scheme for DP-SGD?
von: Dong, Andy, et al.
Veröffentlicht: (2026)

Lap2: Revisiting Laplace DP-SGD for High Dimensions via Majorization Theory
von: Mohammady, Meisam, et al.
Veröffentlicht: (2026)

It's Our Loss: No Privacy Amplification for Hidden State DP-SGD With Non-Convex Loss
von: Annamalai, Meenatchi Sundaram Muthu Selva
Veröffentlicht: (2024)

Have it your way: Individualized Privacy Assignment for DP-SGD
von: Boenisch, Franziska, et al.
Veröffentlicht: (2023)

Gradients Look Alike: Sensitivity is Often Overestimated in DP-SGD
von: Thudi, Anvith, et al.
Veröffentlicht: (2023)

Stateless Yet Not Forgetful: Implicit Memory as a Hidden Channel in LLMs
von: Salem, Ahmed, et al.
Veröffentlicht: (2026)

Scalable DP-SGD: Shuffling vs. Poisson Subsampling
von: Chua, Lynn, et al.
Veröffentlicht: (2024)

An Improved Privacy and Utility Analysis of Differentially Private SGD with Bounded Domain and Smooth Losses
von: Liang, Hao, et al.
Veröffentlicht: (2025)

Design Patterns for Securing LLM Agents against Prompt Injections
von: Beurer-Kellner, Luca, et al.
Veröffentlicht: (2025)

Rethinking the Security of DP-SGD: A Corrected Analysis of Differentially Private Machine Learning
von: Wang, Wenhao, et al.
Veröffentlicht: (2026)

Bayes Security: A Not So Average Metric
von: Chatzikokolakis, Konstantinos, et al.
Veröffentlicht: (2020)

VerifiableFL: Verifiable Claims for Federated Learning using Exclaves
von: Guo, Jinnan, et al.
Veröffentlicht: (2024)

Back to Square Roots: An Optimal Bound on the Matrix Factorization Error for Multi-Epoch Differentially Private SGD
von: Kalinin, Nikita P., et al.
Veröffentlicht: (2025)

PCDP-SGD: Improving the Convergence of Differentially Private SGD via Projection in Advance
von: Sha, Haichao, et al.
Veröffentlicht: (2023)

Highlight & Summarize: RAG without the jailbreaks
von: Cherubin, Giovanni, et al.
Veröffentlicht: (2025)

Label Inference Attacks against Node-level Vertical Federated GNNs
von: Arazzi, Marco, et al.
Veröffentlicht: (2023)

Privacy Enhanced PEFT: Tensor Train Decomposition Improves Privacy Utility Tradeoffs under DP-SGD
von: Kunwar, Pradip, et al.
Veröffentlicht: (2026)

Clipped SGD Algorithms for Performative Prediction: Tight Bounds for Clipping Bias and Remedies
von: Li, Qiang, et al.
Veröffentlicht: (2024)

DP-SGD-Global-Adapt-V2-S: Triad Improvements of Privacy, Accuracy and Fairness via Step Decay Noise Multiplier and Step Decay Upper Clipping Threshold
von: Chilukoti, Sai Venkatesh, et al.
Veröffentlicht: (2023)

DP-LDMs: Differentially Private Latent Diffusion Models
von: Liu, Michael F., et al.
Veröffentlicht: (2023)