:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Kalinin, Nikita P., McKenna, Ryan, Pagh, Rasmus, Lampert, Christoph H.
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	https://arxiv.org/abs/2601.22334
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Back to Square Roots: An Optimal Bound on the Matrix Factorization Error for Multi-Epoch Differentially Private SGD
di: Kalinin, Nikita P., et al.
Pubblicazione: (2025)

Banded Square Root Matrix Factorization for Differentially Private Model Training
di: Kalinin, Nikita P., et al.
Pubblicazione: (2024)

DP-KAN: Differentially Private Kolmogorov-Arnold Networks
di: Kalinin, Nikita P., et al.
Pubblicazione: (2024)

Population Risk Bounds for Kolmogorov-Arnold Networks Trained by DP-SGD with Correlated Noise
di: Wang, Puyu, et al.
Pubblicazione: (2026)

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

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

Continual Release Moment Estimation with Differential Privacy
di: Kalinin, Nikita P., et al.
Pubblicazione: (2025)

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

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

A Smooth Binary Mechanism for Efficient Private Continual Observation
di: Andersson, Joel Daniel, et al.
Pubblicazione: (2023)

Beyond Square Roots: Explicit Memory-Efficient Factorization for Multi-Epoch Private Learning
di: Kalinin, Nikita P., et al.
Pubblicazione: (2026)

Faster Private Minimum Spanning Trees
di: Pagh, Rasmus, et al.
Pubblicazione: (2024)

Matrix Factorization for Practical Continual Mean Estimation Under User-Level Differential Privacy
di: Kalinin, Nikita P., et al.
Pubblicazione: (2026)

Learning Rate Scheduling with Matrix Factorization for Private Training
di: Kalinin, Nikita P., et al.
Pubblicazione: (2025)

Streaming Private Continual Counting via Binning
di: Andersson, Joel Daniel, et al.
Pubblicazione: (2024)

It's My Data Too: Private ML for Datasets with Multi-User Training Examples
di: Ganesh, Arun, et al.
Pubblicazione: (2025)

Binned Group Algebra Factorization for Differentially Private Continual Counting
di: Henzinger, Monika, et al.
Pubblicazione: (2025)

Normalized Square Root: Sharper Matrix Factorization Bounds for Differentially Private Continual Counting
di: Henzinger, Monika, et al.
Pubblicazione: (2025)

Optimal Bounds for Private Minimum Spanning Trees via Input Perturbation
di: Pagh, Rasmus, et al.
Pubblicazione: (2024)

Tensor Sketch: Fast and Scalable Polynomial Kernel Approximation
di: Pham, Ninh, et al.
Pubblicazione: (2025)

PLAN: Variance-Aware Private Mean Estimation
di: Aumüller, Martin, et al.
Pubblicazione: (2023)

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

FlashDP: Private Training Large Language Models with Efficient DP-SGD
di: Wang, Liangyu, et al.
Pubblicazione: (2025)

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

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

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

From Privacy to Generalization: Linear Max-Information Bounds for DP-SGD
di: Lampert, Christoph H., et al.
Pubblicazione: (2026)

Notes on Sampled Gaussian Mechanism
di: Kalinin, Nikita P.
Pubblicazione: (2024)

Differentially Private Federated $k$-Means Clustering with Server-Side Data
di: Scott, Jonathan, et al.
Pubblicazione: (2025)

DP-LDMs: Differentially Private Latent Diffusion Models
di: Liu, Michael F., et al.
Pubblicazione: (2023)

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

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

Cocoon: A System Architecture for Differentially Private Training with Correlated Noises
di: Kim, Donghwan, et al.
Pubblicazione: (2025)

Training Set Reconstruction from Differentially Private Forests: How Effective is DP?
di: Gorgé, Alice, et al.
Pubblicazione: (2025)

DP-FedAdamW: An Efficient Optimizer for Differentially Private Federated Large Models
di: Liu, Jin, et al.
Pubblicazione: (2026)

DP-GPL: Differentially Private Graph Prompt Learning
di: Xu, Jing, et al.
Pubblicazione: (2025)

DP-HYPE: Distributed Differentially Private Hyperparameter Search
di: Liebenow, Johannes, et al.
Pubblicazione: (2025)

DP-TLDM: Differentially Private Tabular Latent Diffusion Model
di: Zhu, Chaoyi, et al.
Pubblicazione: (2024)

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

Local Differential Privacy with Correlated Noise Achieves Central-DP Optimal Cost
di: Pathegama, Madhura, et al.
Pubblicazione: (2026)