Buchumschlag

How Does a Deep Learning Model Architecture Impact Its Privacy? A Comprehensive Study of Privacy Attacks on CNNs and Transformers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Guangsheng, Liu, Bo, Tian, Huan, Zhu, Tianqing, Ding, Ming, Zhou, Wanlei
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Cryptography and Security Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

When Fairness Meets Privacy: Exploring Privacy Threats in Fair Binary Classifiers via Membership Inference Attacks
von: Tian, Huan, et al.
Veröffentlicht: (2023)

Poisoning the Pixels: Revisiting Backdoor Attacks on Semantic Segmentation
von: Zhang, Guangsheng, et al.
Veröffentlicht: (2026)

Unique Security and Privacy Threats of Large Language Models: A Comprehensive Survey
von: Wang, Shang, et al.
Veröffentlicht: (2024)

The Emerged Security and Privacy of LLM Agent: A Survey with Case Studies
von: He, Feng, et al.
Veröffentlicht: (2024)

Privacy Intelligence: A Survey on Image Privacy in Online Social Networks
von: Liu, Chi, et al.
Veröffentlicht: (2020)

Defending Against Neural Network Model Inversion Attacks via Data Poisoning
von: Zhou, Shuai, et al.
Veröffentlicht: (2024)

Linkage on Security, Privacy and Fairness in Federated Learning: New Balances and New Perspectives
von: Wang, Linlin, et al.
Veröffentlicht: (2024)

Evaluating of Machine Unlearning: Robustness Verification Without Prior Modifications
von: Xu, Heng, et al.
Veröffentlicht: (2024)

When LLMs Team Up: A Coordinated Attack Framework for Automated Cyber Intrusions
von: Qi, Minfeng, et al.
Veröffentlicht: (2026)

Don't Forget Too Much: Towards Machine Unlearning on Feature Level
von: Xu, Heng, et al.
Veröffentlicht: (2024)

Really Unlearned? Verifying Machine Unlearning via Influential Sample Pairs
von: Xu, Heng, et al.
Veröffentlicht: (2024)

Large Language Models Merging for Enhancing the Link Stealing Attack on Graph Neural Networks
von: Guan, Faqian, et al.
Veröffentlicht: (2024)

Large Language Model Federated Learning with Blockchain and Unlearning for Cross-Organizational Collaboration
von: Zuo, Xuhan, et al.
Veröffentlicht: (2024)

Correction to Local Information Privacy and Its Applications to Data Aggregation
von: Jiang, Bo, et al.
Veröffentlicht: (2024)

Frequency Bias Matters: Diving into Robust and Generalized Deep Image Forgery Detection
von: Liu, Chi, et al.
Veröffentlicht: (2025)

Data-Free Model-Related Attacks: Unleashing the Potential of Generative AI
von: Ye, Dayong, et al.
Veröffentlicht: (2025)

Chain-of-Lure: A Universal Jailbreak Attack Framework using Unconstrained Synthetic Narratives
von: Chang, Wenhan, et al.
Veröffentlicht: (2025)

Unreal Thinking: Chain-of-Thought Hijacking via Two-stage Backdoor
von: Chang, Wenhan, et al.
Veröffentlicht: (2026)

A Survey on Machine Unlearning: Techniques and New Emerged Privacy Risks
von: Liu, Hengzhu, et al.
Veröffentlicht: (2024)

When Machine Unlearning Meets Retrieval-Augmented Generation (RAG): Keep Secret or Forget Knowledge?
von: Wang, Shang, et al.
Veröffentlicht: (2024)

Privacy in Foundation Models: A Conceptual Framework for System Design
von: Bi, Tingting, et al.
Veröffentlicht: (2023)

Privacy Attack in Federated Learning is Not Easy: An Experimental Study
von: Zhu, Hangyu, et al.
Veröffentlicht: (2024)

Data Duplication: A Novel Multi-Purpose Attack Paradigm in Machine Unlearning
von: Ye, Dayong, et al.
Veröffentlicht: (2025)

Location Privacy Threats and Protections in 6G Vehicular Networks: A Comprehensive Review
von: Ma, Baihe, et al.
Veröffentlicht: (2023)

Secure Forgetting: A Framework for Privacy-Driven Unlearning in Large Language Model (LLM)-Based Agents
von: Ye, Dayong, et al.
Veröffentlicht: (2026)

Smart Car Privacy: Survey of Attacks and Privacy Issues
von: Deshmukh, Akshay Madhav
Veröffentlicht: (2025)

CSC: Turning the Adversary's Poison against Itself
von: Shi, Yuchen, et al.
Veröffentlicht: (2026)

Curator Attack: When Blackbox Differential Privacy Auditing Loses Its Power
von: Wang, Shiming, et al.
Veröffentlicht: (2024)

Towards Robust GAN-generated Image Detection: a Multi-view Completion Representation
von: Liu, Chi, et al.
Veröffentlicht: (2023)

Towards Transparent and Incentive-Compatible Collaboration in Decentralized LLM Multi-Agent Systems: A Blockchain-Driven Approach
von: Qi, Minfeng, et al.
Veröffentlicht: (2025)

Towards Efficient Target-Level Machine Unlearning Based on Essential Graph
von: Xu, Heng, et al.
Veröffentlicht: (2024)

A Comprehensive Analysis of Pegasus Spyware and Its Implications for Digital Privacy and Security
von: Kareem, Karwan
Veröffentlicht: (2024)

Privacy Attacks in Decentralized Learning
von: Mrini, Abdellah El, et al.
Veröffentlicht: (2024)

Large Language Models for Link Stealing Attacks Against Graph Neural Networks
von: Guan, Faqian, et al.
Veröffentlicht: (2024)

Privacy for Quantum Annealing. Attack on Spin Reversal Transformations in the case of cryptanalysis
von: Leśniak, Mateusz, et al.
Veröffentlicht: (2024)

Towards A Hybrid Quantum Differential Privacy
von: Song, Baobao, et al.
Veröffentlicht: (2025)

Federated TrustChain: Blockchain-Enhanced LLM Training and Unlearning
von: Zuo, Xuhan, et al.
Veröffentlicht: (2024)

QUEEN: Query Unlearning against Model Extraction
von: Chen, Huajie, et al.
Veröffentlicht: (2024)

On the Efficiency of Privacy Attacks in Federated Learning
von: Tabassum, Nawrin, et al.
Veröffentlicht: (2024)

How Resilient is QUIC to Security and Privacy Attacks?
von: Sengupta, Jayasree, et al.
Veröffentlicht: (2024)