:: Library Catalog

Obálka

Uloženo v:

Podrobná bibliografie
Hlavní autoři:	Luo, Xinjian, Zhang, Xianglong
Médium:	Preprint
Vydáno:	2020
Témata:	Cryptography and Security Machine Learning
On-line přístup:	https://arxiv.org/abs/2004.12571
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Podobné jednotky

Feature Inference Attack on Shapley Values
Autor: Luo, Xinjian, a další
Vydáno: (2024)

Passive Inference Attacks on Split Learning via Adversarial Regularization
Autor: Zhu, Xiaochen, a další
Vydáno: (2023)

A Data-Driven Defense against Edge-case Model Poisoning Attacks on Federated Learning
Autor: Purohit, Kiran, a další
Vydáno: (2023)

KDk: A Defense Mechanism Against Label Inference Attacks in Vertical Federated Learning
Autor: Arazzi, Marco, a další
Vydáno: (2024)

FedMIA: An Effective Membership Inference Attack Exploiting "All for One" Principle in Federated Learning
Autor: Zhu, Gongxi, a další
Vydáno: (2024)

Uncovering Attacks and Defenses in Secure Aggregation for Federated Deep Learning
Autor: Zhang, Yiwei, a další
Vydáno: (2024)

Defending the Edge: Representative-Attention Defense against Backdoor Attacks in Federated Learning
Autor: Obioma, Chibueze Peace, a další
Vydáno: (2025)

Label Inference Attacks against Node-level Vertical Federated GNNs
Autor: Arazzi, Marco, a další
Vydáno: (2023)

SVDefense: Effective Defense against Gradient Inversion Attacks via Singular Value Decomposition
Autor: Luo, Chenxiang, a další
Vydáno: (2025)

EC-LDA : Label Distribution Inference Attack against Federated Graph Learning with Embedding Compression
Autor: Cheng, Tong, a další
Vydáno: (2025)

Dashed Line Defense: Plug-And-Play Defense Against Adaptive Score-Based Query Attacks
Autor: Fu, Yanzhang, a další
Vydáno: (2026)

AutoDefense: Multi-Agent LLM Defense against Jailbreak Attacks
Autor: Zeng, Yifan, a další
Vydáno: (2024)

SoK: Benchmarking Poisoning Attacks and Defenses in Federated Learning
Autor: Zhang, Heyi, a další
Vydáno: (2025)

Decaf: Data Distribution Decompose Attack against Federated Learning
Autor: Dai, Zhiyang, a další
Vydáno: (2024)

Lurking in the shadows: Unveiling Stealthy Backdoor Attacks against Personalized Federated Learning
Autor: Lyu, Xiaoting, a další
Vydáno: (2024)

Find a Scapegoat: Poisoning Membership Inference Attack and Defense to Federated Learning
Autor: Mo, Wenjin, a další
Vydáno: (2025)

Exploiting Layer-Specific Vulnerabilities to Backdoor Attack in Federated Learning
Autor: Foroughi, Mohammad Hadi, a další
Vydáno: (2026)

Refiner: Data Refining against Gradient Leakage Attacks in Federated Learning
Autor: Fan, Mingyuan, a další
Vydáno: (2022)

Partner in Crime: Boosting Targeted Poisoning Attacks against Federated Learning
Autor: Sun, Shihua, a další
Vydáno: (2024)

Let's Focus: Focused Backdoor Attack against Federated Transfer Learning
Autor: Arazzi, Marco, a další
Vydáno: (2024)

Is the Trigger Essential? A Feature-Based Triggerless Backdoor Attack in Vertical Federated Learning
Autor: Liu, Yige, a další
Vydáno: (2026)

AUTOLYCUS: Exploiting Explainable AI (XAI) for Model Extraction Attacks against Interpretable Models
Autor: Oksuz, Abdullah Caglar, a další
Vydáno: (2023)

Invariant Aggregator for Defending against Federated Backdoor Attacks
Autor: Wang, Xiaoyang, a další
Vydáno: (2022)

Rogue Cell: Adversarial Attack and Defense in Untrusted O-RAN Setup Exploiting the Traffic Steering xApp
Autor: Aizikovich, Eran, a další
Vydáno: (2025)

An Efficient Gradient-Based Inference Attack for Federated Learning
Autor: Montaña-Fernández, Pablo, a další
Vydáno: (2025)

A Taxonomy of Attacks and Defenses in Split Learning
Autor: Shabbir, Aqsa, a další
Vydáno: (2025)

Inf2Guard: An Information-Theoretic Framework for Learning Privacy-Preserving Representations against Inference Attacks
Autor: Noorbakhsh, Sayedeh Leila, a další
Vydáno: (2024)

Attack and Defense of Deep Learning Models in the Field of Web Attack Detection
Autor: Shi, Lijia, a další
Vydáno: (2024)

Poisoning Attacks and Defenses to Federated Unlearning
Autor: Wang, Wenbin, a další
Vydáno: (2025)

A Defensive Framework Against Adversarial Attacks on Machine Learning-Based Network Intrusion Detection Systems
Autor: Tafreshian, Benyamin, a další
Vydáno: (2025)

RAID: An In-Training Defense against Attribute Inference Attacks in Recommender Systems
Autor: Feng, Xiaohua, a další
Vydáno: (2025)

Safeguarding Graph Neural Networks against Topology Inference Attacks
Autor: Fu, Jie, a další
Vydáno: (2025)

A No-Defense Defense Against Gradient-Based Adversarial Attacks on ML-NIDS: Is Less More?
Autor: elShehaby, Mohamed, a další
Vydáno: (2026)

Similarity-based Label Inference Attack against Training and Inference of Split Learning
Autor: Liu, Junlin, a další
Vydáno: (2022)

FedRDF: A Robust and Dynamic Aggregation Function against Poisoning Attacks in Federated Learning
Autor: Campos, Enrique Mármol, a další
Vydáno: (2024)

Model Hijacking Attack in Federated Learning
Autor: Li, Zheng, a další
Vydáno: (2024)

SecureLearn -- An Attack-agnostic Defense for Multiclass Machine Learning Against Data Poisoning Attacks
Autor: Paracha, Anum, a další
Vydáno: (2025)

Client-Side Patching against Backdoor Attacks in Federated Learning
Autor: Molina-Coronado, Borja
Vydáno: (2024)

Revisiting Label Inference Attacks in Vertical Federated Learning: Why They Are Vulnerable and How to Defend
Autor: Liu, Yige, a další
Vydáno: (2026)

On the Efficiency of Privacy Attacks in Federated Learning
Autor: Tabassum, Nawrin, a další
Vydáno: (2024)