Buchumschlag

Pencil: Private and Extensible Collaborative Learning without the Non-Colluding Assumption

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Xuanqi, Liu, Zhuotao, Li, Qi, Xu, Ke, Xu, Mingwei
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

Agentic Privacy-Preserving Machine Learning
von: Zhang, Mengyu, et al.
Veröffentlicht: (2025)

Defending Against Data Reconstruction Attacks in Federated Learning: An Information Theory Approach
von: Tan, Qi, et al.
Veröffentlicht: (2024)

martFL: Enabling Utility-Driven Data Marketplace with a Robust and Verifiable Federated Learning Architecture
von: Li, Qi, et al.
Veröffentlicht: (2023)

Colluding LoRA: A Compositional Vulnerability in LLM Safety Alignment
von: Ding, Sihao
Veröffentlicht: (2026)

Differentially Private Nonparametric Confidence Intervals Under Minimal Distributional Assumptions
von: Shoham, Tomer, et al.
Veröffentlicht: (2025)

UTrace: Poisoning Forensics for Private Collaborative Learning
von: Rose, Evan, et al.
Veröffentlicht: (2024)

DPDR: Gradient Decomposition and Reconstruction for Differentially Private Deep Learning
von: Liu, Yixuan, et al.
Veröffentlicht: (2024)

Differentially Private Federated Learning without Noise Addition: When is it Possible?
von: Zhang, Jiang, et al.
Veröffentlicht: (2024)

Byzantine-Robust and Differentially Private Federated Optimization under Weaker Assumptions
von: Islamov, Rustem, et al.
Veröffentlicht: (2026)

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

Locally Private Estimation with Public Features
von: Ma, Yuheng, et al.
Veröffentlicht: (2024)

AdvSGM: Differentially Private Graph Learning via Adversarial Skip-gram Model
von: Zhang, Sen, et al.
Veröffentlicht: (2025)

Ensembler: Protect Collaborative Inference Privacy from Model Inversion Attack via Selective Ensemble
von: Liu, Dancheng, et al.
Veröffentlicht: (2024)

Practical, Private Assurance of the Value of Collaboration via Fully Homomorphic Encryption
von: Asghar, Hassan Jameel, et al.
Veröffentlicht: (2023)

Rate-Optimal Rank Aggregation with Private Pairwise Rankings
von: Xu, Shirong, et al.
Veröffentlicht: (2024)

Differentially Private Clustered Federated Learning with Privacy-Preserving Initialization and Normality-Driven Aggregation
von: Xu, Jie, et al.
Veröffentlicht: (2026)

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

SelectFormer: Private and Practical Data Selection for Transformers
von: Ouyang, Xu, et al.
Veröffentlicht: (2023)

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

Differentially Private Optimization for Non-Decomposable Objective Functions
von: Kong, Weiwei, et al.
Veröffentlicht: (2023)

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

Integrating Feature Attention and Temporal Modeling for Collaborative Financial Risk Assessment
von: Yao, Yue, et al.
Veröffentlicht: (2025)

Private Blind Model Averaging - Distributed, Non-interactive, and Convergent
von: Kirschte, Moritz, et al.
Veröffentlicht: (2022)

Learning with Locally Private Examples by Inverse Weierstrass Private Stochastic Gradient Descent
von: Dufraiche, Jean, et al.
Veröffentlicht: (2026)

Improved Algorithms for Differentially Private Language Model Alignment
von: Chen, Keyu, et al.
Veröffentlicht: (2025)

Towards Robust Multi-tab Website Fingerprinting
von: Deng, Xinhao, et al.
Veröffentlicht: (2025)

Robust and Reliable Early-Stage Website Fingerprinting Attacks via Spatial-Temporal Distribution Analysis
von: Deng, Xinhao, et al.
Veröffentlicht: (2024)

Differentially Private Stochastic Gradient Descent with Fixed-Size Minibatches: Tighter RDP Guarantees with or without Replacement
von: Birrell, Jeremiah, et al.
Veröffentlicht: (2024)

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

An Efficient Private GPT Never Autoregressively Decodes
von: Li, Zhengyi, et al.
Veröffentlicht: (2025)

HoGS: Homophily-Oriented Graph Synthesis for Local Differentially Private GNN Training
von: Xu, Wen, et al.
Veröffentlicht: (2026)

DPZero: Private Fine-Tuning of Language Models without Backpropagation
von: Zhang, Liang, et al.
Veröffentlicht: (2023)

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

Differentially Private Relational Learning with Entity-level Privacy Guarantees
von: Huang, Yinan, et al.
Veröffentlicht: (2025)

Differentially Private Low-Rank Adaptation of Large Language Model Using Federated Learning
von: Liu, Xiao-Yang, et al.
Veröffentlicht: (2023)

Graphical vs. Deep Generative Models: Measuring the Impact of Differentially Private Mechanisms and Budgets on Utility
von: Ganev, Georgi, et al.
Veröffentlicht: (2023)

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

Devil's Hand: Data Poisoning Attacks to Locally Private Graph Learning Protocols
von: He, Longzhu, et al.
Veröffentlicht: (2025)

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

Privately Aligning Language Models with Reinforcement Learning
von: Wu, Fan, et al.
Veröffentlicht: (2023)