Buchumschlag

Rethinking the Security of DP-SGD: A Corrected Analysis of Differentially Private Machine Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Wenhao, Cui, Shujie, Cui, Hui, Yuan, Xingliang
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

How Private are DP-SGD Implementations?
von: Chua, Lynn, et al.
Veröffentlicht: (2024)

RQP-SGD: Differential Private Machine Learning through Noisy SGD and Randomized Quantization
von: Feng, Ce, et al.
Veröffentlicht: (2024)

DP-GENG : Differentially Private Dataset Distillation Guided by DP-Generated Data
von: Shi, Shuo, et al.
Veröffentlicht: (2025)

Less Random, More Private: What is the Optimal Subsampling Scheme for DP-SGD?
von: Dong, Andy, et al.
Veröffentlicht: (2026)

DP-SGD with weight clipping
von: Barczewski, Antoine, et al.
Veröffentlicht: (2023)

DP-BREM: Differentially-Private and Byzantine-Robust Federated Learning with Client Momentum
von: Gu, Xiaolan, et al.
Veröffentlicht: (2023)

Q-ShiftDP: A Differentially Private Parameter-Shift Rule for Quantum Machine Learning
von: Ngo, Hoang M., et al.
Veröffentlicht: (2026)

DP-RuL: Differentially-Private Rule Learning for Clinical Decision Support Systems
von: Lamp, Josephine, et al.
Veröffentlicht: (2024)

PCDP-SGD: Improving the Convergence of Differentially Private SGD via Projection in Advance
von: Sha, Haichao, et al.
Veröffentlicht: (2023)

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

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

Advances in Differential Privacy and Differentially Private Machine Learning
von: Das, Saswat, et al.
Veröffentlicht: (2024)

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

An Improved Privacy and Utility Analysis of Differentially Private SGD with Bounded Domain and Smooth Losses
von: Liang, Hao, et al.
Veröffentlicht: (2025)

The Last Iterate Advantage: Empirical Auditing and Principled Heuristic Analysis of Differentially Private SGD
von: Steinke, Thomas, et al.
Veröffentlicht: (2024)

DPIS: An Enhanced Mechanism for Differentially Private SGD with Importance Sampling
von: Wei, Jianxin, et al.
Veröffentlicht: (2022)

DP-SAPF: Saliency-Aware Parameter Fine-tuning of Public Models for Differentially Private Image Synthesis
von: Gong, Chen, et al.
Veröffentlicht: (2026)

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

R+R:Understanding Hyperparameter Effects in DP-SGD
von: Morsbach, Felix, et al.
Veröffentlicht: (2024)

DP-DocLDM: Differentially Private Document Image Generation using Latent Diffusion Models
von: Saifullah, Saifullah, et al.
Veröffentlicht: (2025)

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

Lap2: Revisiting Laplace DP-SGD for High Dimensions via Majorization Theory
von: Mohammady, Meisam, et al.
Veröffentlicht: (2026)

Tight Group-Level DP Guarantees for DP-SGD with Sampling via Mixture of Gaussians Mechanisms
von: Ganesh, Arun
Veröffentlicht: (2024)

Differentially Private SGD Without Clipping Bias: An Error-Feedback Approach
von: Zhang, Xinwei, et al.
Veröffentlicht: (2023)

DeFiGuard: A Price Manipulation Detection Service in DeFi using Graph Neural Networks
von: Wang, Dabao, et al.
Veröffentlicht: (2024)

DP-BART for Privatized Text Rewriting under Local Differential Privacy
von: Igamberdiev, Timour, et al.
Veröffentlicht: (2023)

Harnessing Sparsification in Federated Learning: A Secure, Efficient, and Differentially Private Realization
von: Xu, Shuangqing, et al.
Veröffentlicht: (2025)

Fundamental Limitations of Favorable Privacy-Utility Guarantees for DP-SGD
von: Ertan, Murat Bilgehan, et al.
Veröffentlicht: (2026)

DP-SGD Without Clipping: The Lipschitz Neural Network Way
von: Bethune, Louis, et al.
Veröffentlicht: (2023)

DP-TabICL: In-Context Learning with Differentially Private Tabular Data
von: Carey, Alycia N., et al.
Veröffentlicht: (2024)

DP-SelFT: Differentially Private Selective Fine-Tuning for Large Language Models
von: Sha, Haichao, et al.
Veröffentlicht: (2026)

Balls-and-Bins Sampling for DP-SGD
von: Chua, Lynn, et al.
Veröffentlicht: (2024)

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

Secure Stateful Aggregation: A Practical Protocol with Applications in Differentially-Private Federated Learning
von: Ball, Marshall, et al.
Veröffentlicht: (2024)

DC-SGD: Differentially Private SGD with Dynamic Clipping through Gradient Norm Distribution Estimation
von: Wei, Chengkun, et al.
Veröffentlicht: (2025)

Locally Differentially Private In-Context Learning
von: Zheng, Chunyan, et al.
Veröffentlicht: (2024)

Differentially Private Federated Learning: A Systematic Review
von: Fu, Jie, et al.
Veröffentlicht: (2024)

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

Closed-Form Bounds for DP-SGD against Record-level Inference
von: Cherubin, Giovanni, et al.
Veröffentlicht: (2024)