Buchumschlag

Balancing Utility and Privacy: Dynamically Private SGD with Random Projection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Zhanhong, Hasan, Md Zahid, Saadati, Nastaran, Balu, Aditya, Liu, Chao, Sarkar, Soumik
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

DeCAF: Decentralized Consensus-And-Factorization for Low-Rank Adaptation of Foundation Models
von: Saadati, Nastaran, et al.
Veröffentlicht: (2025)

ADKO: Agentic Decentralized Knowledge Optimization
von: Rillo, Lucas Nerone, et al.
Veröffentlicht: (2026)

FUSE: First-Order and Second-Order Unified SynthEsis in Stochastic Optimization
von: Jiang, Zhanhong, et al.
Veröffentlicht: (2025)

DIMAT: Decentralized Iterative Merging-And-Training for Deep Learning Models
von: Saadati, Nastaran, et al.
Veröffentlicht: (2024)

Bidirectional Linear Recurrent Models for Sequence-Level Multisource Fusion
von: Liu, Qisai, et al.
Veröffentlicht: (2025)

COOPO: Cyclic Offline-Online Policy Optimization Algorithm
von: Liu, Qisai, et al.
Veröffentlicht: (2026)

RLS3: RL-Based Synthetic Sample Selection to Enhance Spatial Reasoning in Vision-Language Models for Indoor Autonomous Perception
von: Waite, Joshua R., et al.
Veröffentlicht: (2025)

TabQL: In-Context Q-Learning with Tabular Foundation Models
von: Liu, Qisai, et al.
Veröffentlicht: (2026)

Decentralized Relaxed Smooth Optimization with Gradient Descent Methods
von: Jiang, Zhanhong, et al.
Veröffentlicht: (2025)

Latent Safety-Constrained Policy Approach for Safe Offline Reinforcement Learning
von: Koirala, Prajwal, et al.
Veröffentlicht: (2024)

FAWAC: Feasibility Informed Advantage Weighted Regression for Persistent Safety in Offline Reinforcement Learning
von: Koirala, Prajwal, et al.
Veröffentlicht: (2024)

STITCH: Surface reconstrucTion using Implicit neural representations with Topology Constraints and persistent Homology
von: Jignasu, Anushrut, et al.
Veröffentlicht: (2024)

Asynchronous Training Schemes in Distributed Learning with Time Delay
von: Wang, Haoxiang, et al.
Veröffentlicht: (2022)

An Improved Privacy and Utility Analysis of Differentially Private SGD with Bounded Domain and Smooth Losses
von: Liang, Hao, et al.
Veröffentlicht: (2025)

Data-driven Kinematic Modeling in Soft Robots: System Identification and Uncertainty Quantification
von: Jiang, Zhanhong, et al.
Veröffentlicht: (2025)

PCDP-SGD: Improving the Convergence of Differentially Private SGD via Projection in Advance
von: Sha, Haichao, et al.
Veröffentlicht: (2023)

Neural CDEs as Correctors for Learned Time Series Models
von: Shahid, Muhammad Bilal, et al.
Veröffentlicht: (2025)

Enhancing PPO with Trajectory-Aware Hybrid Policies
von: Liu, Qisai, et al.
Veröffentlicht: (2025)

Multi-Objective Optimization for Privacy-Utility Balance in Differentially Private Federated Learning
von: Ranaweera, Kanishka, et al.
Veröffentlicht: (2025)

Fundamental Limitations of Favorable Privacy-Utility Guarantees for DP-SGD
von: Ertan, Murat Bilgehan, et al.
Veröffentlicht: (2026)

LexiSafe: Offline Safe Reinforcement Learning with Lexicographic Safety-Reward Hierarchy
von: Yang, Hsin-Jung, et al.
Veröffentlicht: (2026)

Geometry Matters: Benchmarking Scientific ML Approaches for Flow Prediction around Complex Geometries
von: Rabeh, Ali, et al.
Veröffentlicht: (2024)

INO-SGD: Addressing Utility Imbalance under Individualized Differential Privacy
von: Tian, Xiao, et al.
Veröffentlicht: (2026)

The Benefits of Balance: From Information Projections to Variance Reduction
von: Liu, Lang, et al.
Veröffentlicht: (2024)

RQP-SGD: Differential Private Machine Learning through Noisy SGD and Randomized Quantization
von: Feng, Ce, et al.
Veröffentlicht: (2024)

Distributed Direct Preference Optimization
von: Jiang, Zhanhong
Veröffentlicht: (2026)

Cooperative SGD with Dynamic Mixing Matrices
von: Sarkar, Soumya, et al.
Veröffentlicht: (2025)

Private and Communication-Efficient Federated Learning based on Differentially Private Sketches
von: Zhang, Meifan, et al.
Veröffentlicht: (2024)

FedRP: A Communication-Efficient Approach for Differentially Private Federated Learning Using Random Projection
von: Narimani, Mohammad Hasan, et al.
Veröffentlicht: (2025)

FROST: Filtering Reasoning Outliers with Attention for Efficient Reasoning
von: Luo, Haozheng, et al.
Veröffentlicht: (2026)

Less Random, More Private: What is the Optimal Subsampling Scheme for DP-SGD?
von: Dong, Andy, et al.
Veröffentlicht: (2026)

From Simulation to Discovery: AI Enabled Probabilistic Emulation of Mechanistic Crop Systems
von: Saadati, Mojdeh, et al.
Veröffentlicht: (2026)

Non-Asymptotic Analysis of Online Local Private Learning with SGD
von: Shi, Enze, et al.
Veröffentlicht: (2025)

DC-SGD: Differentially Private SGD with Dynamic Clipping through Gradient Norm Distribution Estimation
von: Wei, Chengkun, et al.
Veröffentlicht: (2025)

FlowBench: A Large Scale Benchmark for Flow Simulation over Complex Geometries
von: Tali, Ronak, et al.
Veröffentlicht: (2024)

CoSIFL: Collaborative Secure and Incentivized Federated Learning with Differential Privacy
von: Xie, Zhanhong, et al.
Veröffentlicht: (2025)

Private and Fair Machine Learning: Revisiting the Disparate Impact of Differentially Private SGD
von: Demelius, Lea, et al.
Veröffentlicht: (2025)

Striking the Perfect Balance: Preserving Privacy While Boosting Utility in Collaborative Medical Prediction Platforms
von: Lin, Shao-Bo, et al.
Veröffentlicht: (2025)

Synthetic Data: Revisiting the Privacy-Utility Trade-off
von: Sarmin, Fatima Jahan, et al.
Veröffentlicht: (2024)

Implicit Bias in Noisy-SGD: With Applications to Differentially Private Training
von: Sander, Tom, et al.
Veröffentlicht: (2024)