Buchumschlag

Calibration Attacks: A Comprehensive Study of Adversarial Attacks on Model Confidence

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Obadinma, Stephen, Zhu, Xiaodan, Guo, Hongyu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Enhancing Adversarial Attacks via Parameter Adaptive Adversarial Attack
von: Jin, Zhibo, et al.
Veröffentlicht: (2024)

A Comprehensive Analysis of Adversarial Attacks against Spam Filters
von: Hotoğlu, Esra, et al.
Veröffentlicht: (2025)

Certifiable Black-Box Attacks with Randomized Adversarial Examples: Breaking Defenses with Provable Confidence
von: Hong, Hanbin, et al.
Veröffentlicht: (2023)

Attack by Unlearning: Unlearning-Induced Adversarial Attacks on Graph Neural Networks
von: Zhang, Jiahao, et al.
Veröffentlicht: (2026)

Moshi Moshi? A Model Selection Hijacking Adversarial Attack
von: Petrucci, Riccardo, et al.
Veröffentlicht: (2025)

Simple and Efficient Partial Graph Adversarial Attack: A New Perspective
von: Zhu, Guanghui, et al.
Veröffentlicht: (2023)

A New Federated Learning Framework Against Gradient Inversion Attacks
von: Guo, Pengxin, et al.
Veröffentlicht: (2024)

Enhancing Security in Deep Reinforcement Learning: A Comprehensive Survey on Adversarial Attacks and Defenses
von: Yichao, Wu, et al.
Veröffentlicht: (2025)

FABLE: A Localized, Targeted Adversarial Attack on Weather Forecasting Models
von: Deng, Yue, et al.
Veröffentlicht: (2025)

Passive Inference Attacks on Split Learning via Adversarial Regularization
von: Zhu, Xiaochen, et al.
Veröffentlicht: (2023)

DMS: Addressing Information Loss with More Steps for Pragmatic Adversarial Attacks
von: Zhu, Zhiyu, et al.
Veröffentlicht: (2024)

BruSLeAttack: A Query-Efficient Score-Based Black-Box Sparse Adversarial Attack
von: Vo, Viet Quoc, et al.
Veröffentlicht: (2024)

Efficient Adversarial Training in LLMs with Continuous Attacks
von: Xhonneux, Sophie, et al.
Veröffentlicht: (2024)

Adversarial Contrastive Learning for LLM Quantization Attacks
von: Song, Dinghong, et al.
Veröffentlicht: (2026)

Temporal Analysis of Adversarial Attacks in Federated Learning
von: Mapakshi, Rohit, et al.
Veröffentlicht: (2025)

Constrained Adaptive Attack: Effective Adversarial Attack Against Deep Neural Networks for Tabular Data
von: Simonetto, Thibault, et al.
Veröffentlicht: (2024)

Robustness Against Adversarial Attacks via Learning Confined Adversarial Polytopes
von: Hamidi, Shayan Mohajer, et al.
Veröffentlicht: (2024)

Generalization Properties of Adversarial Training for $\ell_0$-Bounded Adversarial Attacks
von: Delgosha, Payam, et al.
Veröffentlicht: (2024)

TA3: Testing Against Adversarial Attacks on Machine Learning Models
von: Jin, Yuanzhe, et al.
Veröffentlicht: (2024)

Adversarial Attacks to Multi-Modal Models
von: Dou, Zhihao, et al.
Veröffentlicht: (2024)

Attacks in Adversarial Machine Learning: A Systematic Survey from the Life-cycle Perspective
von: Wu, Baoyuan, et al.
Veröffentlicht: (2023)

Refiner: Data Refining against Gradient Leakage Attacks in Federated Learning
von: Fan, Mingyuan, et al.
Veröffentlicht: (2022)

Adversarial Inception Backdoor Attacks against Reinforcement Learning
von: Rathbun, Ethan, et al.
Veröffentlicht: (2024)

Stealthy Adversarial Attacks on Stochastic Multi-Armed Bandits
von: Wang, Zhiwei, et al.
Veröffentlicht: (2024)

Evaluating Adversarial Attacks on Federated Learning for Temperature Forecasting
von: Chichifoi, Karina, et al.
Veröffentlicht: (2025)

Adversarial Attacks on Locally Private Graph Neural Networks
von: Varun, Matta, et al.
Veröffentlicht: (2026)

The Relationship Between Network Similarity and Transferability of Adversarial Attacks
von: Klause, Gerrit, et al.
Veröffentlicht: (2025)

Differentiable Adversarial Attacks for Marked Temporal Point Processes
von: Chakraborty, Pritish, et al.
Veröffentlicht: (2025)

Asymmetric Bias in Text-to-Image Generation with Adversarial Attacks
von: Shahgir, Haz Sameen, et al.
Veröffentlicht: (2023)

Confidence Elicitation: A New Attack Vector for Large Language Models
von: Formento, Brian, et al.
Veröffentlicht: (2025)

PROSAC: Provably Safe Certification for Machine Learning Models under Adversarial Attacks
von: Feng, Chen, et al.
Veröffentlicht: (2024)

Confidence Is All You Need for MI Attacks
von: Sinha, Abhishek, et al.
Veröffentlicht: (2023)

On the Robustness of Verbal Confidence of LLMs in Adversarial Attacks
von: Obadinma, Stephen, et al.
Veröffentlicht: (2025)

Test-time Adversarial Defense with Opposite Adversarial Path and High Attack Time Cost
von: Yeh, Cheng-Han, et al.
Veröffentlicht: (2024)

ReproMIA: A Comprehensive Analysis of Model Reprogramming for Proactive Membership Inference Attacks
von: Huang, Chihan, et al.
Veröffentlicht: (2026)

Low-Cost Hard-Label Adversarial Attack with Theoretical Foundations
von: Liu, Jun, et al.
Veröffentlicht: (2026)

Interpreting Adversarial Attacks and Defences using Architectures with Enhanced Interpretability
von: Rao, Akshay G, et al.
Veröffentlicht: (2025)

Real-World Adversarial Attacks on RF-Based Drone Detectors
von: Gazit, Omer, et al.
Veröffentlicht: (2025)

Explainability-Based Adversarial Attack on Graphs Through Edge Perturbation
von: Chanda, Dibaloke, et al.
Veröffentlicht: (2023)

Adversarial Attacks on Graph Neural Networks via Meta Learning
von: Zügner, Daniel, et al.
Veröffentlicht: (2019)