DP-RDM: Adapting Diffusion Models to Private Domains Without Fine-Tuning
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Lebensold, Jonathan, Sanjabi, Maziar, Astolfi, Pietro, Romero-Soriano, Adriana, Chaudhuri, Kamalika, Rabbat, Mike, Guo, Chuan |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Robustness of Locally Differentially Private Graph Analysis Against Poisoning
par: Imola, Jacob, et autres
Publié: (2022)
par: Imola, Jacob, et autres
Publié: (2022)
DP-SelFT: Differentially Private Selective Fine-Tuning for Large Language Models
par: Sha, Haichao, et autres
Publié: (2026)
par: Sha, Haichao, et autres
Publié: (2026)
Measuring Privacy Loss in Distributed Spatio-Temporal Data
par: Koga, Tatsuki, et autres
Publié: (2024)
par: Koga, Tatsuki, et autres
Publié: (2024)
On Differentially Private U Statistics
par: Chaudhuri, Kamalika, et autres
Publié: (2024)
par: Chaudhuri, Kamalika, et autres
Publié: (2024)
Machine Learning with Privacy for Protected Attributes
par: Mahloujifar, Saeed, et autres
Publié: (2025)
par: Mahloujifar, Saeed, et autres
Publié: (2025)
Metric Differential Privacy at the User-Level Via the Earth Mover's Distance
par: Imola, Jacob, et autres
Publié: (2024)
par: Imola, Jacob, et autres
Publié: (2024)
Communication-Efficient Triangle Counting under Local Differential Privacy
par: Imola, Jacob, et autres
Publié: (2021)
par: Imola, Jacob, et autres
Publié: (2021)
On the Privacy of Selection Mechanisms with Gaussian Noise
par: Lebensold, Jonathan, et autres
Publié: (2024)
par: Lebensold, Jonathan, et autres
Publié: (2024)
Privacy Amplification for the Gaussian Mechanism via Bounded Support
par: Hu, Shengyuan, et autres
Publié: (2024)
par: Hu, Shengyuan, et autres
Publié: (2024)
WASP: Benchmarking Web Agent Security Against Prompt Injection Attacks
par: Evtimov, Ivan, et autres
Publié: (2025)
par: Evtimov, Ivan, et autres
Publié: (2025)
Efficient Differentially Private Fine-Tuning of Diffusion Models
par: Liu, Jing, et autres
Publié: (2024)
par: Liu, Jing, et autres
Publié: (2024)
DP-LDMs: Differentially Private Latent Diffusion Models
par: Liu, Michael F., et autres
Publié: (2023)
par: Liu, Michael F., et autres
Publié: (2023)
DP-GENG : Differentially Private Dataset Distillation Guided by DP-Generated Data
par: Shi, Shuo, et autres
Publié: (2025)
par: Shi, Shuo, et autres
Publié: (2025)
Auditing $f$-Differential Privacy in One Run
par: Mahloujifar, Saeed, et autres
Publié: (2024)
par: Mahloujifar, Saeed, et autres
Publié: (2024)
LMO-DP: Optimizing the Randomization Mechanism for Differentially Private Fine-Tuning (Large) Language Models
par: Yang, Qin, et autres
Publié: (2024)
par: Yang, Qin, et autres
Publié: (2024)
DP-SAPF: Saliency-Aware Parameter Fine-tuning of Public Models for Differentially Private Image Synthesis
par: Gong, Chen, et autres
Publié: (2026)
par: Gong, Chen, et autres
Publié: (2026)
DP-TLDM: Differentially Private Tabular Latent Diffusion Model
par: Zhu, Chaoyi, et autres
Publié: (2024)
par: Zhu, Chaoyi, et autres
Publié: (2024)
DP-DocLDM: Differentially Private Document Image Generation using Latent Diffusion Models
par: Saifullah, Saifullah, et autres
Publié: (2025)
par: Saifullah, Saifullah, et autres
Publié: (2025)
SecAlign: Defending Against Prompt Injection with Preference Optimization
par: Chen, Sizhe, et autres
Publié: (2024)
par: Chen, Sizhe, et autres
Publié: (2024)
FlashDP: Private Training Large Language Models with Efficient DP-SGD
par: Wang, Liangyu, et autres
Publié: (2025)
par: Wang, Liangyu, et autres
Publié: (2025)
Differentially Private Fine-Tuning of Diffusion Models
par: Tsai, Yu-Lin, et autres
Publié: (2024)
par: Tsai, Yu-Lin, et autres
Publié: (2024)
RL Is a Hammer and LLMs Are Nails: A Simple Reinforcement Learning Recipe for Strong Prompt Injection
par: Wen, Yuxin, et autres
Publié: (2025)
par: Wen, Yuxin, et autres
Publié: (2025)
DP-BREM: Differentially-Private and Byzantine-Robust Federated Learning with Client Momentum
par: Gu, Xiaolan, et autres
Publié: (2023)
par: Gu, Xiaolan, et autres
Publié: (2023)
Rethinking the Security of DP-SGD: A Corrected Analysis of Differentially Private Machine Learning
par: Wang, Wenhao, et autres
Publié: (2026)
par: Wang, Wenhao, et autres
Publié: (2026)
DP-RuL: Differentially-Private Rule Learning for Clinical Decision Support Systems
par: Lamp, Josephine, et autres
Publié: (2024)
par: Lamp, Josephine, et autres
Publié: (2024)
Guarantees of confidentiality via Hammersley-Chapman-Robbins bounds
par: Chaudhuri, Kamalika, et autres
Publié: (2024)
par: Chaudhuri, Kamalika, et autres
Publié: (2024)
DP-KAN: Differentially Private Kolmogorov-Arnold Networks
par: Kalinin, Nikita P., et autres
Publié: (2024)
par: Kalinin, Nikita P., et autres
Publié: (2024)
CryptPEFT: Efficient and Private Neural Network Inference via Parameter-Efficient Fine-Tuning
par: Xia, Saisai, et autres
Publié: (2025)
par: Xia, Saisai, et autres
Publié: (2025)
When FinTech Meets Privacy: Securing Financial LLMs with Differential Private Fine-Tuning
par: Zhu, Sichen, et autres
Publié: (2025)
par: Zhu, Sichen, et autres
Publié: (2025)
DP-SGD Without Clipping: The Lipschitz Neural Network Way
par: Bethune, Louis, et autres
Publié: (2023)
par: Bethune, Louis, et autres
Publié: (2023)
CIMemories: A Compositional Benchmark for Contextual Integrity of Persistent Memory in LLMs
par: Mireshghallah, Niloofar, et autres
Publié: (2025)
par: Mireshghallah, Niloofar, et autres
Publié: (2025)
DP-FedLoRA: Privacy-Enhanced Federated Fine-Tuning for On-Device Large Language Models
par: Xu, Honghui, et autres
Publié: (2025)
par: Xu, Honghui, et autres
Publié: (2025)
Differentially Private Subspace Fine-Tuning for Large Language Models
par: Zheng, Lele, et autres
Publié: (2026)
par: Zheng, Lele, et autres
Publié: (2026)
Privacy-Preserving Retrieval-Augmented Generation with Differential Privacy
par: Koga, Tatsuki, et autres
Publié: (2024)
par: Koga, Tatsuki, et autres
Publié: (2024)
Can We Infer Confidential Properties of Training Data from LLMs?
par: Huang, Pengrun, et autres
Publié: (2025)
par: Huang, Pengrun, et autres
Publié: (2025)
Private Estimation when Data and Privacy Demands are Correlated
par: Chaudhuri, Syomantak, et autres
Publié: (2024)
par: Chaudhuri, Syomantak, et autres
Publié: (2024)
DP-BART for Privatized Text Rewriting under Local Differential Privacy
par: Igamberdiev, Timour, et autres
Publié: (2023)
par: Igamberdiev, Timour, et autres
Publié: (2023)
How Private are DP-SGD Implementations?
par: Chua, Lynn, et autres
Publié: (2024)
par: Chua, Lynn, et autres
Publié: (2024)
ReCIT: Reconstructing Full Private Data from Gradient in Parameter-Efficient Fine-Tuning of Large Language Models
par: Xie, Jin, et autres
Publié: (2025)
par: Xie, Jin, et autres
Publié: (2025)
Mitigating Downstream Model Risks via Model Provenance
par: Wang, Keyu, et autres
Publié: (2024)
par: Wang, Keyu, et autres
Publié: (2024)
Documents similaires
-
Robustness of Locally Differentially Private Graph Analysis Against Poisoning
par: Imola, Jacob, et autres
Publié: (2022) -
DP-SelFT: Differentially Private Selective Fine-Tuning for Large Language Models
par: Sha, Haichao, et autres
Publié: (2026) -
Measuring Privacy Loss in Distributed Spatio-Temporal Data
par: Koga, Tatsuki, et autres
Publié: (2024) -
On Differentially Private U Statistics
par: Chaudhuri, Kamalika, et autres
Publié: (2024) -
Machine Learning with Privacy for Protected Attributes
par: Mahloujifar, Saeed, et autres
Publié: (2025)