Salvato in:
| Autori principali: | Yaghini, Mohammad, Cebere, Tudor, Menart, Michael, Bellet, Aurélien, Papernot, Nicolas |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | https://arxiv.org/abs/2505.22703 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Tighter Privacy Auditing of DP-SGD in the Hidden State Threat Model
di: Cebere, Tudor, et al.
Pubblicazione: (2024)
di: Cebere, Tudor, et al.
Pubblicazione: (2024)
On the Privacy Risk of In-context Learning
di: Duan, Haonan, et al.
Pubblicazione: (2024)
di: Duan, Haonan, et al.
Pubblicazione: (2024)
Privacy Auditing with Zero (0) Training Run
di: Cebere, Tudor, et al.
Pubblicazione: (2026)
di: Cebere, Tudor, et al.
Pubblicazione: (2026)
On the Gradient Complexity of Private Optimization with Private Oracles
di: Menart, Michael, et al.
Pubblicazione: (2025)
di: Menart, Michael, et al.
Pubblicazione: (2025)
Differentially Private Decentralized Learning with Random Walks
di: Cyffers, Edwige, et al.
Pubblicazione: (2024)
di: Cyffers, Edwige, et al.
Pubblicazione: (2024)
Privacy in Theory, Bugs in Practice: Grey-Box Auditing of Differential Privacy Libraries
di: Cebere, Tudor, et al.
Pubblicazione: (2026)
di: Cebere, Tudor, et al.
Pubblicazione: (2026)
The Relative Gaussian Mechanism and its Application to Private Gradient Descent
di: Hendrikx, Hadrien, et al.
Pubblicazione: (2023)
di: Hendrikx, Hadrien, et al.
Pubblicazione: (2023)
Differentially Private Non-Convex Optimization under the KL Condition with Optimal Rates
di: Menart, Michael, et al.
Pubblicazione: (2023)
di: Menart, Michael, et al.
Pubblicazione: (2023)
Private Algorithms for Stochastic Saddle Points and Variational Inequalities: Beyond Euclidean Geometry
di: Bassily, Raef, et al.
Pubblicazione: (2024)
di: Bassily, Raef, et al.
Pubblicazione: (2024)
Public-data Assisted Private Stochastic Optimization: Power and Limitations
di: Ullah, Enayat, et al.
Pubblicazione: (2024)
di: Ullah, Enayat, et al.
Pubblicazione: (2024)
Privacy Attacks in Decentralized Learning
di: Mrini, Abdellah El, et al.
Pubblicazione: (2024)
di: Mrini, Abdellah El, et al.
Pubblicazione: (2024)
Beyond Laplace and Gaussian: Exploring the Generalized Gaussian Mechanism for Private Machine Learning
di: Rinberg, Roy, et al.
Pubblicazione: (2025)
di: Rinberg, Roy, et al.
Pubblicazione: (2025)
Byzantine Failures Harm the Generalization of Robust Distributed Learning Algorithms More Than Data Poisoning
di: Boudou, Thomas, et al.
Pubblicazione: (2025)
di: Boudou, Thomas, et al.
Pubblicazione: (2025)
Efficient Public Verification of Private ML via Regularization
di: Bell, Zoë Ruha, et al.
Pubblicazione: (2025)
di: Bell, Zoë Ruha, et al.
Pubblicazione: (2025)
Privacy Amplification Through Synthetic Data: Insights from Linear Regression
di: Pierquin, Clément, et al.
Pubblicazione: (2025)
di: Pierquin, Clément, et al.
Pubblicazione: (2025)
Rényi Pufferfish Privacy: General Additive Noise Mechanisms and Privacy Amplification by Iteration
di: Pierquin, Clément, et al.
Pubblicazione: (2023)
di: Pierquin, Clément, et al.
Pubblicazione: (2023)
The Fundamental Limits of Least-Privilege Learning
di: Stadler, Theresa, et al.
Pubblicazione: (2024)
di: Stadler, Theresa, et al.
Pubblicazione: (2024)
Muffliato: Peer-to-Peer Privacy Amplification for Decentralized Optimization and Averaging
di: Cyffers, Edwige, et al.
Pubblicazione: (2022)
di: Cyffers, Edwige, et al.
Pubblicazione: (2022)
Fairness-Constrained Optimization Attack in Federated Learning
di: Kasyap, Harsh, et al.
Pubblicazione: (2025)
di: Kasyap, Harsh, et al.
Pubblicazione: (2025)
Learned-Database Systems Security
di: Schuster, Roei, et al.
Pubblicazione: (2022)
di: Schuster, Roei, et al.
Pubblicazione: (2022)
Fast Exact Unlearning for In-Context Learning Data for LLMs
di: Muresanu, Andrei I., et al.
Pubblicazione: (2024)
di: Muresanu, Andrei I., et al.
Pubblicazione: (2024)
Lumberjack: Better Differentially Private Random Forests through Heavy Hitter Detection in Trees
di: Lebeda, Christian Janos, et al.
Pubblicazione: (2026)
di: Lebeda, Christian Janos, et al.
Pubblicazione: (2026)
Privacy Amplification Persists under Unlimited Synthetic Data Release
di: Pierquin, Clément, et al.
Pubblicazione: (2026)
di: Pierquin, Clément, et al.
Pubblicazione: (2026)
Beyond Labeling Oracles: What does it mean to steal ML models?
di: Shafran, Avital, et al.
Pubblicazione: (2023)
di: Shafran, Avital, et al.
Pubblicazione: (2023)
Inexact Unlearning Needs More Careful Evaluations to Avoid a False Sense of Privacy
di: Hayes, Jamie, et al.
Pubblicazione: (2024)
di: Hayes, Jamie, et al.
Pubblicazione: (2024)
When Vision Fails: Text Attacks Against ViT and OCR
di: Boucher, Nicholas, et al.
Pubblicazione: (2023)
di: Boucher, Nicholas, et al.
Pubblicazione: (2023)
LLM Dataset Inference: Did you train on my dataset?
di: Maini, Pratyush, et al.
Pubblicazione: (2024)
di: Maini, Pratyush, et al.
Pubblicazione: (2024)
Decentralised, Collaborative, and Privacy-preserving Machine Learning for Multi-Hospital Data
di: Fang, Congyu, et al.
Pubblicazione: (2024)
di: Fang, Congyu, et al.
Pubblicazione: (2024)
DP-SGD Without Clipping: The Lipschitz Neural Network Way
di: Bethune, Louis, et al.
Pubblicazione: (2023)
di: Bethune, Louis, et al.
Pubblicazione: (2023)
Augment then Smooth: Reconciling Differential Privacy with Certified Robustness
di: Wu, Jiapeng, et al.
Pubblicazione: (2023)
di: Wu, Jiapeng, et al.
Pubblicazione: (2023)
Optimal Rates for Pure $\varepsilon$-Differentially Private Stochastic Convex Optimization with Heavy Tails
di: Lowy, Andrew
Pubblicazione: (2026)
di: Lowy, Andrew
Pubblicazione: (2026)
Byzantine-Robust and Differentially Private Federated Optimization under Weaker Assumptions
di: Islamov, Rustem, et al.
Pubblicazione: (2026)
di: Islamov, Rustem, et al.
Pubblicazione: (2026)
Have it your way: Individualized Privacy Assignment for DP-SGD
di: Boenisch, Franziska, et al.
Pubblicazione: (2023)
di: Boenisch, Franziska, et al.
Pubblicazione: (2023)
Gradients Look Alike: Sensitivity is Often Overestimated in DP-SGD
di: Thudi, Anvith, et al.
Pubblicazione: (2023)
di: Thudi, Anvith, et al.
Pubblicazione: (2023)
Pr$εε$mpt: Sanitizing Sensitive Prompts for LLMs
di: Chowdhury, Amrita Roy, et al.
Pubblicazione: (2025)
di: Chowdhury, Amrita Roy, et al.
Pubblicazione: (2025)
Backdoor Detection through Replicated Execution of Outsourced Training
di: Jia, Hengrui, et al.
Pubblicazione: (2025)
di: Jia, Hengrui, et al.
Pubblicazione: (2025)
How to Make the Gradients Small Privately: Improved Rates for Differentially Private Non-Convex Optimization
di: Lowy, Andrew, et al.
Pubblicazione: (2024)
di: Lowy, Andrew, et al.
Pubblicazione: (2024)
Rate-Optimal Rank Aggregation with Private Pairwise Rankings
di: Xu, Shirong, et al.
Pubblicazione: (2024)
di: Xu, Shirong, et al.
Pubblicazione: (2024)
Nebula: Efficient, Private and Accurate Histogram Estimation
di: Shamsabadi, Ali Shahin, et al.
Pubblicazione: (2024)
di: Shamsabadi, Ali Shahin, et al.
Pubblicazione: (2024)
Learning with Locally Private Examples by Inverse Weierstrass Private Stochastic Gradient Descent
di: Dufraiche, Jean, et al.
Pubblicazione: (2026)
di: Dufraiche, Jean, et al.
Pubblicazione: (2026)
Documenti analoghi
-
Tighter Privacy Auditing of DP-SGD in the Hidden State Threat Model
di: Cebere, Tudor, et al.
Pubblicazione: (2024) -
On the Privacy Risk of In-context Learning
di: Duan, Haonan, et al.
Pubblicazione: (2024) -
Privacy Auditing with Zero (0) Training Run
di: Cebere, Tudor, et al.
Pubblicazione: (2026) -
On the Gradient Complexity of Private Optimization with Private Oracles
di: Menart, Michael, et al.
Pubblicazione: (2025) -
Differentially Private Decentralized Learning with Random Walks
di: Cyffers, Edwige, et al.
Pubblicazione: (2024)