Buchumschlag

How reparametrization trick broke differentially-private text representation learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Habernal, Ivan
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Computation and Language Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

To share or not to share: What risks would laypeople accept to give sensitive data to differentially-private NLP systems?
von: Weiss, Christopher, et al.
Veröffentlicht: (2023)

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

Is Your Prompt Safe? Investigating Prompt Injection Attacks Against Open-Source LLMs
von: Wang, Jiawen, et al.
Veröffentlicht: (2025)

An indicator for effectiveness of text-to-image guardrails utilizing the Single-Turn Crescendo Attack (STCA)
von: Kwartler, Ted, et al.
Veröffentlicht: (2024)

Efficient derandomization of differentially private counting queries
von: Ghentiyala, Surendra
Veröffentlicht: (2025)

Differentially-private text generation degrades output language quality
von: Çano, Erion, et al.
Veröffentlicht: (2025)

Private prediction for large-scale synthetic text generation
von: Amin, Kareem, et al.
Veröffentlicht: (2024)

How Good is Post-Hoc Watermarking With Language Model Rephrasing?
von: Fernandez, Pierre, et al.
Veröffentlicht: (2025)

How Real is Your Jailbreak? Fine-grained Jailbreak Evaluation with Anchored Reference
von: Liu, Songyang, et al.
Veröffentlicht: (2026)

LLMs can hide text in other text of the same length
von: Norelli, Antonio, et al.
Veröffentlicht: (2025)

The Art of (Mis)alignment: How Fine-Tuning Methods Effectively Misalign and Realign LLMs in Post-Training
von: Zhang, Rui, et al.
Veröffentlicht: (2026)

How (un)ethical are instruction-centric responses of LLMs? Unveiling the vulnerabilities of safety guardrails to harmful queries
von: Banerjee, Somnath, et al.
Veröffentlicht: (2024)

How Much Do Large Language Model Cheat on Evaluation? Benchmarking Overestimation under the One-Time-Pad-Based Framework
von: Liang, Zi, et al.
Veröffentlicht: (2025)

What are the attackers doing now? Automating cyber threat intelligence extraction from text on pace with the changing threat landscape: A survey
von: Rahman, Md Rayhanur, et al.
Veröffentlicht: (2021)

How Susceptible are Large Language Models to Ideological Manipulation?
von: Chen, Kai, et al.
Veröffentlicht: (2024)

How Vulnerable Are Edge LLMs?
von: Ding, Ao, et al.
Veröffentlicht: (2026)

How Jailbreak Defenses Work and Ensemble? A Mechanistic Investigation
von: Long, Zhuohang, et al.
Veröffentlicht: (2025)

Out of the Cage: How Stochastic Parrots Win in Cyber Security Environments
von: Rigaki, Maria, et al.
Veröffentlicht: (2023)

FLAME: Flexible LLM-Assisted Moderation Engine
von: Bakulin, Ivan, et al.
Veröffentlicht: (2025)

SoK: Membership Inference Attacks on LLMs are Rushing Nowhere (and How to Fix It)
von: Meeus, Matthieu, et al.
Veröffentlicht: (2024)

Relevance as a Vulnerability: How Web Retrieval Degrades Safety Alignment in LLM Agents
von: Nawal, Aditya, et al.
Veröffentlicht: (2026)

Token Inflation: How Dishonest Providers Can Overcharge for Large Language Model Usage
von: Hoque, Shahinul, et al.
Veröffentlicht: (2026)

Harnessing large-language models to generate private synthetic text
von: Kurakin, Alexey, et al.
Veröffentlicht: (2023)

Fact2Fiction: Targeted Poisoning Attack to Agentic Fact-checking System
von: He, Haorui, et al.
Veröffentlicht: (2025)

ConfGuard: A Simple and Effective Backdoor Detection for Large Language Models
von: Wang, Zihan, et al.
Veröffentlicht: (2025)

A Simple and Efficient Jailbreak Method Exploiting LLMs' Helpfulness
von: Luo, Xuan, et al.
Veröffentlicht: (2025)

CyberThreat-Eval: Can Large Language Models Automate Real-World Threat Research?
von: Chen, Xiangsen, et al.
Veröffentlicht: (2026)

AJAR: Adaptive Jailbreak Architecture for Red-teaming
von: Dou, Yipu, et al.
Veröffentlicht: (2026)

Dataset Protection via Watermarked Canaries in Retrieval-Augmented LLMs
von: Liu, Yepeng, et al.
Veröffentlicht: (2025)

ChatNVD: Advancing Cybersecurity Vulnerability Assessment with Large Language Models
von: Chopra, Shivansh, et al.
Veröffentlicht: (2024)

PandaGuard: Systematic Evaluation of LLM Safety against Jailbreaking Attacks
von: Shen, Guobin, et al.
Veröffentlicht: (2025)

GenBreak: Red Teaming Text-to-Image Generators Using Large Language Models
von: Wang, Zilong, et al.
Veröffentlicht: (2025)

SecurityLingua: Efficient Defense of LLM Jailbreak Attacks via Security-Aware Prompt Compression
von: Li, Yucheng, et al.
Veröffentlicht: (2025)

AdvAgent: Controllable Blackbox Red-teaming on Web Agents
von: Xu, Chejian, et al.
Veröffentlicht: (2024)

PAPILLON: Privacy Preservation from Internet-based and Local Language Model Ensembles
von: Siyan, Li, et al.
Veröffentlicht: (2024)

A Character-based Diffusion Embedding Algorithm for Enhancing the Generation Quality of Generative Linguistic Steganographic Texts
von: Chen, Yingquan, et al.
Veröffentlicht: (2025)

Red Teaming the Mind of the Machine: A Systematic Evaluation of Prompt Injection and Jailbreak Vulnerabilities in LLMs
von: Pathade, Chetan
Veröffentlicht: (2025)

RAG Safety: Exploring Knowledge Poisoning Attacks to Retrieval-Augmented Generation
von: Zhao, Tianzhe, et al.
Veröffentlicht: (2025)

The Double-edged Sword of LLM-based Data Reconstruction: Understanding and Mitigating Contextual Vulnerability in Word-level Differential Privacy Text Sanitization
von: Meisenbacher, Stephen, et al.
Veröffentlicht: (2025)

Rethinking Backdoor Detection Evaluation for Language Models
von: Yan, Jun, et al.
Veröffentlicht: (2024)