Differential Privacy

4 items

RESEARCHarXiv CS.LG·il y a 27j

Population Risk Bounds for Kolmogorov-Arnold Networks Trained by DP-SGD with Correlated Noise

Cette recherche établit les premières bornes de risque de population pour les réseaux de Kolmogorov-Arnold (KANs) entraînés par SGD par mini-lots, incluant le SGD différentiellement privé (DP-SGD) avec bruit corrélé. Elle couvre des scénarios plus pratiques que la théorie KAN antérieure et fournit des résultats plus précis pour les spécialisations à deuxième couche fixe.

neural networks Optimization Differential Privacy Machine Learning

RESEARCHDEV.to AI·30/04/2026

Privacy-Preserving Active Learning for bio-inspired soft robotics maintenance during mission-critical recovery windows

Cette recherche explore la combinaison de l'apprentissage automatique respectueux de la vie privée, notamment la confidentialité différentielle et l'apprentissage actif, pour la maintenance de la robotique souple bio-inspirée. Ce travail répond au défi de la reformation des modèles de maintenance prédictive sans exposer les données propriétaires pendant les fenêtres de récupération critiques.

Differential Privacy security Machine Learning robotics

RESEARCHarXiv CS.CL·05/05/2026

A Systematic Exploration of Text Decomposition and Budget Distribution in Differentially Private Text Obfuscation

Cet article explore systématiquement la décomposition de texte et la distribution du budget dans l'obfuscation de texte avec Confidentialité Différentielle (DP). Il évalue plusieurs techniques de découpage de textes et d'allocation du budget epsilon, révélant l'importance de ces choix de conception pour les résultats.

Differential Privacy data privacy privacy budget security

RESEARCHarXiv CS.LG·21/04/2026

Preventing overfitting in deep learning using differential privacy

Cette recherche explore une approche basée sur la confidentialité différentielle pour améliorer la généralisation et prévenir le surapprentissage dans les réseaux neuronaux profonds. Le surapprentissage, où les modèles apprennent le bruit et fonctionnent mal sur des données invisibles, est un défi croissant dans les systèmes d'IA modernes.

Differential Privacy Generalization privacy deep learning