Buchumschlag

Shuffling-Aware Optimization for Private Vector Mean Estimation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Takagi, Shun, Liew, Seng Pei
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Analysis of Shuffling Beyond Pure Local Differential Privacy
von: Takagi, Shun, et al.
Veröffentlicht: (2026)

Accelerating Differentially Private Federated Learning via Adaptive Extrapolation
von: Takakura, Shokichi, et al.
Veröffentlicht: (2025)

Differentially Private Sampling from Distributions via Wasserstein Projection
von: Takakura, Shokichi, et al.
Veröffentlicht: (2026)

Private Vector Mean Estimation in the Shuffle Model: Optimal Rates Require Many Messages
von: Asi, Hilal, et al.
Veröffentlicht: (2024)

Optimal Variance and Covariance Estimation under Differential Privacy in the Add-Remove Model and Beyond
von: Takakura, Shokichi, et al.
Veröffentlicht: (2025)

Reusing Overtrained Language Models Saturates Scaling
von: Liew, Seng Pei, et al.
Veröffentlicht: (2025)

Covariance-Aware Private Mean Estimation Without Private Covariance Estimation
von: Brown, Gavin, et al.
Veröffentlicht: (2021)

Securing Private Federated Learning in a Malicious Setting: A Scalable TEE-Based Approach with Client Auditing
von: Takagi, Shun, et al.
Veröffentlicht: (2025)

FedDuA: Doubly Adaptive Federated Learning
von: Takakura, Shokichi, et al.
Veröffentlicht: (2025)

Towards Principled Design of Mixture-of-Experts Language Models under Memory and Inference Constraints
von: Liew, Seng Pei, et al.
Veröffentlicht: (2026)

Scaling Laws for Upcycling Mixture-of-Experts Language Models
von: Liew, Seng Pei, et al.
Veröffentlicht: (2025)

Beyond Statistical Estimation: Differentially Private Individual Computation via Shuffling
von: Wang, Shaowei, et al.
Veröffentlicht: (2024)

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

DPSQL+: A Differentially Private SQL Library with a Minimum Frequency Rule
von: Matsumoto, Tomoya, et al.
Veröffentlicht: (2026)

Improving the Convergence of Private Shuffled Gradient Methods with Public Data
von: Jiang, Shuli, et al.
Veröffentlicht: (2025)

HRNet: Differentially Private Hierarchical and Multi-Resolution Network for Human Mobility Data Synthesization
von: Takagi, Shun, et al.
Veröffentlicht: (2024)

Dimension-free Private Mean Estimation for Anisotropic Distributions
von: Dagan, Yuval, et al.
Veröffentlicht: (2024)

Tukey Depth Mechanisms for Practical Private Mean Estimation
von: Brown, Gavin, et al.
Veröffentlicht: (2025)

To Shuffle or not to Shuffle: Auditing DP-SGD with Shuffling
von: Annamalai, Meenatchi Sundaram Muthu Selva, et al.
Veröffentlicht: (2024)

Differentially-Private Collaborative Online Personalized Mean Estimation
von: Yakimenka, Yauhen, et al.
Veröffentlicht: (2024)

Differentially Private Block-wise Gradient Shuffle for Deep Learning
von: Zagardo, David
Veröffentlicht: (2024)

Optimal Survey Design for Private Mean Estimation
von: Chen, Yu-Wei, et al.
Veröffentlicht: (2025)

Shuffling Momentum Gradient Algorithm for Convex Optimization
von: Tran, Trang H., et al.
Veröffentlicht: (2024)

ResBit: Residual Bit Vector for Categorical Values
von: Fuchi, Masane, et al.
Veröffentlicht: (2023)

Fast, Sample-Efficient, Affine-Invariant Private Mean and Covariance Estimation for Subgaussian Distributions
von: Brown, Gavin, et al.
Veröffentlicht: (2023)

Correlated Privacy Mechanisms for Differentially Private Distributed Mean Estimation
von: Vithana, Sajani, et al.
Veröffentlicht: (2024)

Variance-Aware Estimation of Kernel Mean Embedding
von: Wolfer, Geoffrey, et al.
Veröffentlicht: (2022)

Tazza: Shuffling Neural Network Parameters for Secure and Private Federated Learning
von: Lee, Kichang, et al.
Veröffentlicht: (2024)

Communication-Constrained Private Decentralized Online Personalized Mean Estimation
von: Yakimenka, Yauhen, et al.
Veröffentlicht: (2025)

Private Mean Estimation with Person-Level Differential Privacy
von: Agarwal, Sushant, et al.
Veröffentlicht: (2024)

Learning to Shuffle: Block Reshuffling and Reversal Schemes for Stochastic Optimization
von: Nguyen, Lam M., et al.
Veröffentlicht: (2026)

Shuffling Gradient-Based Methods for Nonconvex-Concave Minimax Optimization
von: Tran-Dinh, Quoc, et al.
Veröffentlicht: (2024)

FIBER: A Differentially Private Optimizer with Filter-Aware Innovation Bias Correction
von: Dm, Duc, et al.
Veröffentlicht: (2026)

Temporal Patch Shuffle (TPS): Leveraging Patch-Level Shuffling to Boost Generalization and Robustness in Time Series Forecasting
von: Bakhshaliyev, Jafar, et al.
Veröffentlicht: (2026)

CoinPress: Practical Private Mean and Covariance Estimation
von: Biswas, Sourav, et al.
Veröffentlicht: (2020)

ShuffleGate: Scalable Feature Optimization for Recommender Systems via Batch-wise Sensitivity Learning
von: Huang, Yihong, et al.
Veröffentlicht: (2025)

Dropout-Robust Mechanisms for Differentially Private and Fully Decentralized Mean Estimation
von: Sabater, César, et al.
Veröffentlicht: (2025)

Improved Last-Iterate Convergence of Shuffling Gradient Methods for Nonsmooth Convex Optimization
von: Liu, Zijian, et al.
Veröffentlicht: (2025)

MARS: Meaning-Aware Response Scoring for Uncertainty Estimation in Generative LLMs
von: Bakman, Yavuz Faruk, et al.
Veröffentlicht: (2024)

Efficient Dynamic Structured Sparse Training with Learned Shuffles
von: Tyagi, Abhishek, et al.
Veröffentlicht: (2025)