Buchumschlag

PAC-DP: Personalized Adaptive Clipping for Differentially Private Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Hao, Cai, Siqi, Dai, Hua, Yang, Geng, Luo, Jing, Cai, Hui
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Cryptography and Security K.4.1; I.2.11; G.1.6
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

IntentMiner: Intent Inversion Attack via Tool Call Analysis in the Model Context Protocol
von: Yao, Yunhao, et al.
Veröffentlicht: (2025)

Sovereign-OS: A Charter-Governed Operating System for Autonomous AI Agents with Verifiable Fiscal Discipline
von: Yuan, Aojie, et al.
Veröffentlicht: (2026)

DP-FedSOFIM: Differentially Private Federated Stochastic Optimization using Regularized Fisher Information Matrix
von: Nair, Sidhant, et al.
Veröffentlicht: (2026)

Securing Federated Sensitive Topic Classification against Poisoning Attacks
von: Chu, Tianyue, et al.
Veröffentlicht: (2022)

$\mathsf{OPA}$: One-shot Private Aggregation with Single Client Interaction and its Applications to Federated Learning
von: Karthikeyan, Harish, et al.
Veröffentlicht: (2024)

SafetyDrift: Predicting When AI Agents Cross the Line Before They Actually Do
von: Dhodapkar, Aditya, et al.
Veröffentlicht: (2026)

Who Governs the Machine? A Machine Identity Governance Taxonomy (MIGT) for AI Systems Operating Across Enterprise and Geopolitical Boundaries
von: Kurtz, Andrew, et al.
Veröffentlicht: (2026)

Pramana: A Protocol-Layer Treatment of Claim Verification in Autonomous Agent Networks
von: Kadaboina, Ravi Kiran
Veröffentlicht: (2026)

Scalable and Verifiable Federated Learning for Cross-Institution Financial Fraud Detection
von: Panth, Prajwal, et al.
Veröffentlicht: (2026)

Governed Auditable Decisioning Under Uncertainty: Synthesis and Agentic Extension
von: Solozobov, Oleg
Veröffentlicht: (2026)

Agent-Based User-Adaptive Filtering for Categorized Harassing Communication
von: Rahaman, Zenefa, et al.
Veröffentlicht: (2026)

Privacy as Commodity: MFG-RegretNet for Large-Scale Privacy Trading in Federated Learning
von: Sun, Kangkang, et al.
Veröffentlicht: (2026)

HybridVFL: Disentangled Feature Learning for Edge-Enabled Vertical Federated Multimodal Classification
von: Anoosha, Mostafa, et al.
Veröffentlicht: (2025)

LLM Scalability Risk for Agentic-AI and Model Supply Chain Security
von: Ahi, Kiarash, et al.
Veröffentlicht: (2026)

Learning to Collaborate: An Orchestrated-Decentralized Framework for Peer-to-Peer LLM Federation
von: Singh, Inderjeet, et al.
Veröffentlicht: (2026)

Design Principles for the Construction of a Benchmark Evaluating Security Operation Capabilities of Multi-agent AI Systems
von: Cai, Yicheng, et al.
Veröffentlicht: (2026)

KYA: A Framework-Agnostic Trust Layer for Autonomous Systems with Verifiable Provenance and Hierarchical Policy Composition
von: Quadri, Kolawole
Veröffentlicht: (2026)

FedAttr: Towards Privacy-preserving Client-Level Attribution in Federated LLM Fine-tuning
von: Zhang, Su, et al.
Veröffentlicht: (2026)

AlignDP: Hybrid Differential Privacy with Rarity-Aware Protection for LLMs
von: Gaikwad, Madhava
Veröffentlicht: (2025)

Transforming Computer Security and Public Trust Through the Exploration of Fine-Tuning Large Language Models
von: Crumrine, Garrett, et al.
Veröffentlicht: (2024)

Asymmetry by Design: Boosting Cyber Defenders with Differential Access to AI
von: Ee, Shaun, et al.
Veröffentlicht: (2025)

How to Get Actual Privacy and Utility from Privacy Models: the k-Anonymity and Differential Privacy Families
von: Domingo-Ferrer, Josep, et al.
Veröffentlicht: (2025)

From Helpfulness to Toxic Proactivity: Diagnosing Behavioral Misalignment in LLM Agents
von: Wang, Xinyue, et al.
Veröffentlicht: (2026)

AgentLeak: A Full-Stack Benchmark for Privacy Leakage in Multi-Agent LLM Systems
von: Yagoubi, Faouzi El, et al.
Veröffentlicht: (2026)

Tatemae: Detecting Alignment Faking via Tool Selection in LLMs
von: Leonesi, Matteo, et al.
Veröffentlicht: (2026)

Security Attack and Defense Strategies for Autonomous Agent Frameworks: A Layered Review with OpenClaw as a Case Study
von: Xu, Luyao, et al.
Veröffentlicht: (2026)

PriPHiT: Privacy-Preserving Hierarchical Training of Deep Neural Networks
von: Sepehri, Yamin, et al.
Veröffentlicht: (2024)

GRAIN: Exact Graph Reconstruction from Gradients
von: Drencheva, Maria, et al.
Veröffentlicht: (2025)

Correlated-Sequence Differential Privacy
von: Luo, Yifan, et al.
Veröffentlicht: (2025)

How Worrying Are Privacy Attacks Against Machine Learning?
von: Domingo-Ferrer, Josep
Veröffentlicht: (2025)

Powerful Training-Free Membership Inference Against Autoregressive Language Models
von: Ilić, David, et al.
Veröffentlicht: (2026)

Learning the Signature of Memorization in Autoregressive Language Models
von: Ilić, David, et al.
Veröffentlicht: (2026)

Harmful Terms and Where to Find Them: Measuring and Modeling Unfavorable Financial Terms and Conditions in Shopping Websites at Scale
von: Tsai, Elisa, et al.
Veröffentlicht: (2025)

Policy Cards: Machine-Readable Runtime Governance for Autonomous AI Agents
von: Mavračić, Juraj
Veröffentlicht: (2025)

Futurity as Infrastructure: A Techno-Philosophical Interpretation of the AI Lifecycle
von: Cote, Mark, et al.
Veröffentlicht: (2025)

Adapting cybersecurity frameworks to manage frontier AI risks: A defense-in-depth approach
von: Ee, Shaun, et al.
Veröffentlicht: (2024)

Nigeria's Digital Sovereignty: Analysis of Cybersecurity Legislation, Policies, and Strategies
von: Falade, Polra Victor, et al.
Veröffentlicht: (2025)

Vertical Federated Graph Neural Network for Recommender System
von: Mai, Peihua, et al.
Veröffentlicht: (2023)

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

From Safety Risk to Design Principle: Peer-Preservation in Multi-Agent LLM Systems and Its Implications for Orchestrated Democratic Discourse Analysis
von: Dietrich, Juergen
Veröffentlicht: (2026)