Copertina

How Private are DP-SGD Implementations?

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Chua, Lynn, Ghazi, Badih, Kamath, Pritish, Kumar, Ravi, Manurangsi, Pasin, Sinha, Amer, Zhang, Chiyuan
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning Cryptography and Security Data Structures and Algorithms
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

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

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

Private Hyperparameter Tuning with Ex-Post Guarantee
di: Ghazi, Badih, et al.
Pubblicazione: (2025)

On Convex Optimization with Semi-Sensitive Features
di: Ghazi, Badih, et al.
Pubblicazione: (2024)

Individualized Privacy Accounting via Subsampling with Applications in Combinatorial Optimization
di: Ghazi, Badih, et al.
Pubblicazione: (2024)

On Computing Pairwise Statistics with Local Differential Privacy
di: Ghazi, Badih, et al.
Pubblicazione: (2024)

Linear-Time User-Level DP-SCO via Robust Statistics
di: Ghazi, Badih, et al.
Pubblicazione: (2025)

Computational Hardness of Private Coreset
di: Ghazi, Badih, et al.
Pubblicazione: (2026)

Differential Privacy on Trust Graphs
di: Ghazi, Badih, et al.
Pubblicazione: (2024)

Differentially Private Ad Conversion Measurement
di: Delaney, John, et al.
Pubblicazione: (2024)

Improved Lower Bound for Differentially Private Facility Location
di: Manurangsi, Pasin
Pubblicazione: (2024)

Convex Optimization with Local Label Differential Privacy: Tight Bounds in All Privacy Regimes
di: Chua, Lynn, et al.
Pubblicazione: (2026)

Nearly-Optimal Private Selection via Gaussian Mechanism
di: Leeman, Ethan, et al.
Pubblicazione: (2025)

Exact zCDP Characterizations for Fundamental Differentially Private Mechanisms
di: Harrison, Charlie, et al.
Pubblicazione: (2025)

Mind the Privacy Unit! User-Level Differential Privacy for Language Model Fine-Tuning
di: Chua, Lynn, et al.
Pubblicazione: (2024)

Improved Differentially Private Algorithms for Rank Aggregation
di: Hillebrand, Quentin, et al.
Pubblicazione: (2025)

Infinitely Divisible Noise for Differential Privacy: Nearly Optimal Error in the High $\varepsilon$ Regime
di: Harrison, Charlie, et al.
Pubblicazione: (2025)

Denoising the US Census: Succinct Block Hierarchical Regression
di: Ghazi, Badih, et al.
Pubblicazione: (2026)

Keeping a Secret Requires a Good Memory: Space Lower-Bounds for Private Algorithms
di: Epasto, Alessandro, et al.
Pubblicazione: (2026)

Unlearn and Burn: Adversarial Machine Unlearning Requests Destroy Model Accuracy
di: Huang, Yangsibo, et al.
Pubblicazione: (2024)

Training Differentially Private Ad Prediction Models with Semi-Sensitive Features
di: Chua, Lynn, et al.
Pubblicazione: (2024)

The Price of Privacy For Approximating Max-CSP
di: Dharangutte, Prathamesh, et al.
Pubblicazione: (2026)

Privacy Filters are Captured by Residues: A Characterization of Free Natural Filters and the Cost of Adaptivity
di: Regehr, Matthew, et al.
Pubblicazione: (2026)

Not All Learnable Distribution Classes are Privately Learnable
di: Bun, Mark, et al.
Pubblicazione: (2024)

Individual Privacy Accounting for Differentially Private Stochastic Gradient Descent
di: Yu, Da, et al.
Pubblicazione: (2022)

Optimal Differentially Private Sampling of Unbounded Gaussians
di: Iverson, Valentio, et al.
Pubblicazione: (2025)

Private Geometric Median in Nearly-Linear Time
di: Kumar, Syamantak, et al.
Pubblicazione: (2025)

The Discrete Gaussian for Differential Privacy
di: Canonne, Clément L., et al.
Pubblicazione: (2020)

Private Mean Estimation with Person-Level Differential Privacy
di: Agarwal, Sushant, et al.
Pubblicazione: (2024)

Avoiding Pitfalls for Privacy Accounting of Subsampled Mechanisms under Composition
di: Lebeda, Christian Janos, et al.
Pubblicazione: (2024)

Differentially Private Learning Beyond the Classical Dimensionality Regime
di: Dwork, Cynthia, et al.
Pubblicazione: (2024)

Private Selection with Heterogeneous Sensitivities
di: Antonova, Daniela, et al.
Pubblicazione: (2025)

Optimal Bounds for Private Minimum Spanning Trees via Input Perturbation
di: Pagh, Rasmus, et al.
Pubblicazione: (2024)

Private Learning of Littlestone Classes, Revisited
di: Lyu, Xin
Pubblicazione: (2025)

Private Statistical Estimation via Truncation
di: Zampetakis, Manolis, et al.
Pubblicazione: (2025)

Efficiently Computing Similarities to Private Datasets
di: Backurs, Arturs, et al.
Pubblicazione: (2024)

Differentially Private Clustering in Data Streams
di: Epasto, Alessandro, et al.
Pubblicazione: (2023)

Private Continual Counting of Unbounded Streams
di: Jacobsen, Ben, et al.
Pubblicazione: (2025)

Faster Private Minimum Spanning Trees
di: Pagh, Rasmus, et al.
Pubblicazione: (2024)

Streaming Private Continual Counting via Binning
di: Andersson, Joel Daniel, et al.
Pubblicazione: (2024)