Buchumschlag

It's My Data Too: Private ML for Datasets with Multi-User Training Examples

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ganesh, Arun, McKenna, Ryan, McMahan, Brendan, Smith, Adam, Wu, Fan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On Design Principles for Private Adaptive Optimizers
von: Ganesh, Arun, et al.
Veröffentlicht: (2025)

Fine-Tuning Large Language Models with User-Level Differential Privacy
von: Charles, Zachary, et al.
Veröffentlicht: (2024)

Gradient Descent with Linearly Correlated Noise: Theory and Applications to Differential Privacy
von: Koloskova, Anastasia, et al.
Veröffentlicht: (2023)

Scaling up the Banded Matrix Factorization Mechanism for Differentially Private ML
von: McKenna, Ryan
Veröffentlicht: (2024)

JAX-Privacy: A library for differentially private machine learning
von: McKenna, Ryan, et al.
Veröffentlicht: (2026)

A Hassle-free Algorithm for Private Learning in Practice: Don't Use Tree Aggregation, Use BLTs
von: McMahan, H. Brendan, et al.
Veröffentlicht: (2024)

Correlated Noise Mechanisms for Differentially Private Learning
von: Pillutla, Krishna, et al.
Veröffentlicht: (2025)

An Inversion Theorem for Buffered Linear Toeplitz (BLT) Matrices and Applications to Streaming Differential Privacy
von: McMahan, H. Brendan, et al.
Veröffentlicht: (2025)

Deterministic Policies for Constrained Reinforcement Learning in Polynomial Time
von: McMahan, Jeremy
Veröffentlicht: (2024)

Polynomial-Time Approximability of Constrained Reinforcement Learning
von: McMahan, Jeremy
Veröffentlicht: (2025)

Anytime-Constrained Equilibria in Polynomial Time
von: McMahan, Jeremy
Veröffentlicht: (2024)

DP-λCGD: Efficient Noise Correlation for Differentially Private Model Training
von: Kalinin, Nikita P., et al.
Veröffentlicht: (2026)

Is API Access to LLMs Useful for Generating Private Synthetic Tabular Data?
von: Swanberg, Marika, et al.
Veröffentlicht: (2025)

Joint Selection: Adaptively Incorporating Public Information for Private Synthetic Data
von: Fuentes, Miguel, et al.
Veröffentlicht: (2024)

Motion-Based User Identification across XR and Metaverse Applications by Deep Classification and Similarity Learning
von: Schach, Lukas, et al.
Veröffentlicht: (2025)

Anytime-Constrained Reinforcement Learning
von: McMahan, Jeremy, et al.
Veröffentlicht: (2023)

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)

Hush! Protecting Secrets During Model Training: An Indistinguishability Approach
von: Ganesh, Arun, et al.
Veröffentlicht: (2025)

Can Public Large Language Models Help Private Cross-device Federated Learning?
von: Wang, Boxin, et al.
Veröffentlicht: (2023)

Privately Fine-Tuned LLMs Preserve Temporal Dynamics in Tabular Data
von: Rosenblatt, Lucas, et al.
Veröffentlicht: (2026)

Data Poisoning to Fake a Nash Equilibrium in Markov Games
von: Wu, Young, et al.
Veröffentlicht: (2023)

MAPLE: Metadata Augmented Private Language Evolution
von: Chien, Eli, et al.
Veröffentlicht: (2026)

Roping in Uncertainty: Robustness and Regularization in Markov Games
von: McMahan, Jeremy, et al.
Veröffentlicht: (2024)

How to DP-fy Your Data: A Practical Guide to Generating Synthetic Data With Differential Privacy
von: Ponomareva, Natalia, et al.
Veröffentlicht: (2025)

The Full-scale Assembly Simulation Testbed (FAST) Dataset
von: Moore, Alec G., et al.
Veröffentlicht: (2024)

ACTG-ARL: Differentially Private Conditional Text Generation with RL-Boosted Control
von: Hu, Yuzheng, et al.
Veröffentlicht: (2025)

Optimal Attack and Defense for Reinforcement Learning
von: McMahan, Jeremy, et al.
Veröffentlicht: (2023)

Efficient and Near-Optimal Noise Generation for Streaming Differential Privacy
von: Dvijotham, Krishnamurthy, et al.
Veröffentlicht: (2024)

Cognitive Energy Modeling for Neuroadaptive Human-Machine Systems using EEG and WGAN-GP
von: Sattiraju, Sriram, et al.
Veröffentlicht: (2026)

One-shot Empirical Privacy Estimation for Federated Learning
von: Andrew, Galen, et al.
Veröffentlicht: (2023)

Federated Learning in Practice: Reflections and Projections
von: Daly, Katharine, et al.
Veröffentlicht: (2024)

Optimally Installing Strict Equilibria
von: McMahan, Jeremy, et al.
Veröffentlicht: (2025)

Calibrating Where It Matters: Constrained Temperature Scaling
von: McKenna, Stephen, et al.
Veröffentlicht: (2024)

Inception: Efficiently Computable Misinformation Attacks on Markov Games
von: McMahan, Jeremy, et al.
Veröffentlicht: (2024)

Shared Autonomy with IDA: Interventional Diffusion Assistance
von: McMahan, Brandon J., et al.
Veröffentlicht: (2024)

SpinML: Customized Synthetic Data Generation for Private Training of Specialized ML Models
von: Zhang, Jiang, et al.
Veröffentlicht: (2025)

Making Sense of Sensemaking: Designing Authentic K-12 STEM Learning Experiences
von: T. J. McKenna
Veröffentlicht: (2025)

Scaling Laws for Differentially Private Language Models
von: McKenna, Ryan, et al.
Veröffentlicht: (2025)

Objectively measuring subjectively described traits: geographic variation in body shape and caudal coloration pattern within Vieja melanura (Teleostei: Cichlidae)
von: Caleb D. McMahan
Veröffentlicht: (2017)

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