Buchumschlag

Unified Privacy Guarantees for Decentralized Learning via Matrix Factorization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bellet, Aurélien, Cyffers, Edwige, Frey, Davide, Gaudel, Romaric, Lerévérend, Dimitri, Taïani, François
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

Low-Cost Privacy-Preserving Decentralized Learning
von: Biswas, Sayan, et al.
Veröffentlicht: (2024)

Privacy Attacks in Decentralized Learning
von: Mrini, Abdellah El, et al.
Veröffentlicht: (2024)

Differentially Private Decentralized Learning with Random Walks
von: Cyffers, Edwige, et al.
Veröffentlicht: (2024)

Mosaic Learning: A Framework for Decentralized Learning with Model Fragmentation
von: Biswas, Sayan, et al.
Veröffentlicht: (2026)

Your Neighbors Know: Leveraging Local Neighborhoods for Backdoor Detection in Decentralized Learning
von: Biswas, Sayan, et al.
Veröffentlicht: (2026)

Muffliato: Peer-to-Peer Privacy Amplification for Decentralized Optimization and Averaging
von: Cyffers, Edwige, et al.
Veröffentlicht: (2022)

Setting $\varepsilon$ is not the Issue in Differential Privacy
von: Cyffers, Edwige
Veröffentlicht: (2025)

Efficient Matroid Bandit Linear Optimization Leveraging Unimodality
von: Delage, Aurélien, et al.
Veröffentlicht: (2025)

Fedivertex: a Graph Dataset based on Decentralized Social Networks for Trustworthy Machine Learning
von: Damie, Marc, et al.
Veröffentlicht: (2025)

Limits of Personalizing Differential Privacy Budgets
von: Cyffers, Edwige, et al.
Veröffentlicht: (2026)

Optimal Regularization for Performative Learning
von: Cyffers, Edwige, et al.
Veröffentlicht: (2025)

Improved Stability and Generalization Guarantees of the Decentralized SGD Algorithm
von: Bars, Batiste Le, et al.
Veröffentlicht: (2023)

DP-MicroAdam: Private and Frugal Algorithm for Training and Fine-tuning
von: Hudişteanu, Mihaela, et al.
Veröffentlicht: (2025)

Fully Decentralized Joint Learning of Personalized Models and Collaboration Graphs
von: Zantedeschi, Valentina, et al.
Veröffentlicht: (2019)

Tighter Privacy Auditing of DP-SGD in the Hidden State Threat Model
von: Cebere, Tudor, et al.
Veröffentlicht: (2024)

Optimal Classification under Performative Distribution Shift
von: Cyffers, Edwige, et al.
Veröffentlicht: (2024)

Rényi Pufferfish Privacy: General Additive Noise Mechanisms and Privacy Amplification by Iteration
von: Pierquin, Clément, et al.
Veröffentlicht: (2023)

Loss Gap Parity for Fairness in Heterogeneous Federated Learning
von: Erraji, Brahim, et al.
Veröffentlicht: (2026)

Privacy Amplification Through Synthetic Data: Insights from Linear Regression
von: Pierquin, Clément, et al.
Veröffentlicht: (2025)

Privacy Amplification Persists under Unlimited Synthetic Data Release
von: Pierquin, Clément, et al.
Veröffentlicht: (2026)

Adaptive Personalized Federated Learning via Multi-task Averaging of Kernel Mean Embeddings
von: Fermanian, Jean-Baptiste, et al.
Veröffentlicht: (2026)

On Gossip Algorithms for Machine Learning with Pairwise Objectives
von: Colin, Igor, et al.
Veröffentlicht: (2026)

Differentially Private and Federated Structure Learning in Bayesian Networks
von: Fehri, Ghita Fassy El, et al.
Veröffentlicht: (2025)

Optimal Transport with Heterogeneously Missing Data
von: Bleistein, Linus, et al.
Veröffentlicht: (2025)

Federated Causal Inference: Multi-Study ATE Estimation beyond Meta-Analysis
von: Khellaf, Rémi, et al.
Veröffentlicht: (2024)

Overcoming the Challenges of Batch Normalization in Federated Learning
von: Guerraoui, Rachid, et al.
Veröffentlicht: (2024)

The Relative Gaussian Mechanism and its Application to Private Gradient Descent
von: Hendrikx, Hadrien, et al.
Veröffentlicht: (2023)

Shaping Up SHAP: Enhancing Stability through Layer-Wise Neighbor Selection
von: Kelodjou, Gwladys, et al.
Veröffentlicht: (2023)

Principled Federated Random Forests for Heterogeneous Data
von: Khellaf, Rémi, et al.
Veröffentlicht: (2026)

Byzantine Failures Harm the Generalization of Robust Distributed Learning Algorithms More Than Data Poisoning
von: Boudou, Thomas, et al.
Veröffentlicht: (2025)

Private Rate-Constrained Optimization with Applications to Fair Learning
von: Yaghini, Mohammad, et al.
Veröffentlicht: (2025)

Model Agnostic Differentially Private Causal Inference
von: Lebeda, Christian Janos, et al.
Veröffentlicht: (2025)

Synthetic Data Generation for Intersectional Fairness by Leveraging Hierarchical Group Structure
von: Maheshwari, Gaurav, et al.
Veröffentlicht: (2024)

Decentralized Sporadic Federated Learning: A Unified Algorithmic Framework with Convergence Guarantees
von: Zehtabi, Shahryar, et al.
Veröffentlicht: (2024)

ByzFL: Research Framework for Robust Federated Learning
von: González, Marc, et al.
Veröffentlicht: (2025)

Multi-view Clustering via Unified Multi-kernel Learning and Matrix Factorization
von: Jia, Chenxing, et al.
Veröffentlicht: (2024)

Augmenting Automation: Intent-Based User Instruction Classification with Machine Learning
von: Basyal, Lochan, et al.
Veröffentlicht: (2024)

Decentralized Machine Learning with Centralized Performance Guarantees via Gibbs Algorithms
von: Bermudez, Yaiza, et al.
Veröffentlicht: (2026)

Marginal and training-conditional guarantees in one-shot federated conformal prediction
von: Humbert, Pierre, et al.
Veröffentlicht: (2024)

Log Probability Tracking of LLM APIs
von: Chauvin, Timothée, et al.
Veröffentlicht: (2025)