Buchumschlag

Scalable DP-SGD: Shuffling vs. Poisson Subsampling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chua, Lynn, Ghazi, Badih, Kamath, Pritish, Kumar, Ravi, Manurangsi, Pasin, Sinha, Amer, Zhang, Chiyuan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Cryptography and Security Data Structures and Algorithms
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

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

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

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

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

Computational Hardness of Private Coreset
von: Ghazi, Badih, et al.
Veröffentlicht: (2026)

Differential Privacy on Trust Graphs
von: Ghazi, Badih, et al.
Veröffentlicht: (2024)

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

Differentially Private Ad Conversion Measurement
von: Delaney, John, et al.
Veröffentlicht: (2024)

Improved Lower Bound for Differentially Private Facility Location
von: Manurangsi, Pasin
Veröffentlicht: (2024)

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

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

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

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

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

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

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

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

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

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

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

Almost Instance-optimal Clipping for Summation Problems in the Shuffle Model of Differential Privacy
von: Dong, Wei, et al.
Veröffentlicht: (2024)

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

Wagner's Algorithm Provably Runs in Subexponential Time for SIS$^\infty$
von: Ducas, Léo, et al.
Veröffentlicht: (2025)

A Private Approximation of the 2nd-Moment Matrix of Any Subsamplable Input
von: Mahpud, Bar, et al.
Veröffentlicht: (2025)

Continual Release of Densest Subgraphs: Privacy Amplification & Sublinear Space via Subsampling
von: Zhou, Felix
Veröffentlicht: (2025)

Count on Your Elders: Laplace vs Gaussian Noise
von: Andersson, Joel Daniel, et al.
Veröffentlicht: (2024)

Scalable Private Partition Selection via Adaptive Weighting
von: Chen, Justin Y., et al.
Veröffentlicht: (2025)

An Efficient and Scalable Auditing Scheme for Cloud Data Storage using an Enhanced B-tree
von: Islam, Tariqul, et al.
Veröffentlicht: (2024)

Learning from End User Data with Shuffled Differential Privacy over Kernel Densities
von: Wagner, Tal
Veröffentlicht: (2025)

Shuffling Cards When You Are of Very Little Brain: Low Memory Generation of Permutations
von: Menuhin, Boaz, et al.
Veröffentlicht: (2025)

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

Improved Approximation Algorithm for Maximum Balanced Biclique
von: Manurangsi, Pasin
Veröffentlicht: (2026)

Improved FPT Approximation Scheme and Approximate Kernel for Biclique-Free Max k-Weight SAT: Greedy Strikes Back
von: Manurangsi, Pasin
Veröffentlicht: (2024)

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

Improved Classical and Quantum Algorithms for the Shortest Vector Problem via Bounded Distance Decoding
von: Aggarwal, Divesh, et al.
Veröffentlicht: (2020)

Analysis of Shuffling Beyond Pure Local Differential Privacy
von: Takagi, Shun, et al.
Veröffentlicht: (2026)

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