:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Menart, Michael, Nikolov, Aleksandar
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Cryptography and Security Optimization and Control
Online-Zugang:	https://arxiv.org/abs/2511.13999
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Public-data Assisted Private Stochastic Optimization: Power and Limitations
von: Ullah, Enayat, et al.
Veröffentlicht: (2024)

Private Algorithms for Stochastic Saddle Points and Variational Inequalities: Beyond Euclidean Geometry
von: Bassily, Raef, et al.
Veröffentlicht: (2024)

Differentially Private Non-Convex Optimization under the KL Condition with Optimal Rates
von: Menart, Michael, et al.
Veröffentlicht: (2023)

How to Make the Gradients Small Privately: Improved Rates for Differentially Private Non-Convex Optimization
von: Lowy, Andrew, et al.
Veröffentlicht: (2024)

Improved Sample Complexity for Private Nonsmooth Nonconvex Optimization
von: Kornowski, Guy, et al.
Veröffentlicht: (2024)

Differentially Private Bilevel Optimization
von: Kornowski, Guy
Veröffentlicht: (2024)

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

Private Zeroth-Order Nonsmooth Nonconvex Optimization
von: Zhang, Qinzi, et al.
Veröffentlicht: (2024)

Private Stochastic Optimization With Large Worst-Case Lipschitz Parameter
von: Lowy, Andrew, et al.
Veröffentlicht: (2022)

Faster Algorithms for User-Level Private Stochastic Convex Optimization
von: Lowy, Andrew, et al.
Veröffentlicht: (2024)

Differentially Private Bilevel Optimization: Efficient Algorithms with Near-Optimal Rates
von: Lowy, Andrew, et al.
Veröffentlicht: (2025)

Byzantine-Robust and Differentially Private Federated Optimization under Weaker Assumptions
von: Islamov, Rustem, et al.
Veröffentlicht: (2026)

Differentially Private Random Block Coordinate Descent
von: Maranjyan, Artavazd, et al.
Veröffentlicht: (2024)

Differentially Private High Dimensional Bandits
von: Shukla, Apurv
Veröffentlicht: (2024)

Distributed Online Private Learning of Convex Nondecomposable Objectives
von: Cheng, Huqiang, et al.
Veröffentlicht: (2022)

Optimal Differentially Private Model Training with Public Data
von: Lowy, Andrew, et al.
Veröffentlicht: (2023)

The Power of Sampling: Dimension-free Risk Bounds in Private ERM
von: Lee, Yin Tat, et al.
Veröffentlicht: (2021)

DPZero: Private Fine-Tuning of Language Models without Backpropagation
von: Zhang, Liang, et al.
Veröffentlicht: (2023)

Private Federated Learning Without a Trusted Server: Optimal Algorithms for Convex Losses
von: Lowy, Andrew, et al.
Veröffentlicht: (2021)

Mirror Descent Algorithms with Nearly Dimension-Independent Rates for Differentially-Private Stochastic Saddle-Point Problems
von: González, Tomás, et al.
Veröffentlicht: (2024)

Smoothed Normalization for Efficient Distributed Private Optimization
von: Shulgin, Egor, et al.
Veröffentlicht: (2025)

Private Heterogeneous Federated Learning Without a Trusted Server Revisited: Error-Optimal and Communication-Efficient Algorithms for Convex Losses
von: Gao, Changyu, et al.
Veröffentlicht: (2024)

Characterizing the Training Dynamics of Private Fine-tuning with Langevin diffusion
von: Ke, Shuqi, et al.
Veröffentlicht: (2024)

Correlated Noise Provably Beats Independent Noise for Differentially Private Learning
von: Choquette-Choo, Christopher A., et al.
Veröffentlicht: (2023)

Private Online Learning via Lazy Algorithms
von: Asi, Hilal, et al.
Veröffentlicht: (2024)

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

Differentially Private Decentralized Optimization with Relay Communication
von: Wang, Luqing, et al.
Veröffentlicht: (2022)

Differential Privacy for Euclidean Jordan Algebra with Applications to Private Symmetric Cone Programming
von: Song, Zhao, et al.
Veröffentlicht: (2025)

Differentially Private Linear Optimization for Multi-Party Resource Sharing
von: Karaca, Utku, et al.
Veröffentlicht: (2021)

The Utility and Complexity of in- and out-of-Distribution Machine Unlearning
von: Allouah, Youssef, et al.
Veröffentlicht: (2024)

Differential Privacy via Distributionally Robust Optimization
von: Selvi, Aras, et al.
Veröffentlicht: (2023)

Efficient Optimization Algorithms for Linear Adversarial Training
von: RIbeiro, Antônio H., et al.
Veröffentlicht: (2024)

Kernel Learning with Adversarial Features: Numerical Efficiency and Adaptive Regularization
von: Ribeiro, Antônio H., et al.
Veröffentlicht: (2025)

Scalable Neural Network Verification with Branch-and-bound Inferred Cutting Planes
von: Zhou, Duo, et al.
Veröffentlicht: (2024)

Attention-Enhanced Graph Filtering for False Data Injection Attack Detection and Localization
von: Abdulin, Ruslan, et al.
Veröffentlicht: (2026)

Clipped SGD Algorithms for Performative Prediction: Tight Bounds for Clipping Bias and Remedies
von: Li, Qiang, et al.
Veröffentlicht: (2024)

On the Convergence of DP-SGD with Adaptive Clipping
von: Shulgin, Egor, et al.
Veröffentlicht: (2024)

Second-Order Min-Max Optimization with Lazy Hessians
von: Chen, Lesi, et al.
Veröffentlicht: (2024)

Oracle-Efficient Differentially Private Learning with Public Data
von: Block, Adam, et al.
Veröffentlicht: (2024)

Learning with Locally Private Examples by Inverse Weierstrass Private Stochastic Gradient Descent
von: Dufraiche, Jean, et al.
Veröffentlicht: (2026)