Buchumschlag

Towards Eliminating Hard Label Constraints in Gradient Inversion Attacks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Yanbo, Liang, Jian, He, Ran
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Do We Really Need Curated Malicious Data for Safety Alignment in Multi-modal Large Language Models?
von: Wang, Yanbo, et al.
Veröffentlicht: (2025)

R-TPT: Improving Adversarial Robustness of Vision-Language Models through Test-Time Prompt Tuning
von: Sheng, Lijun, et al.
Veröffentlicht: (2025)

Be Careful What You Smooth For: Label Smoothing Can Be a Privacy Shield but Also a Catalyst for Model Inversion Attacks
von: Struppek, Lukas, et al.
Veröffentlicht: (2023)

Approximating Optimal Morphing Attacks using Template Inversion
von: Colbois, Laurent, et al.
Veröffentlicht: (2024)

Gradient Inversion Attacks on Parameter-Efficient Fine-Tuning
von: Sami, Hasin Us, et al.
Veröffentlicht: (2025)

Adaptive Hybrid Masking Strategy for Privacy-Preserving Face Recognition Against Model Inversion Attack
von: Wang, Yinggui, et al.
Veröffentlicht: (2024)

AttackBench: Evaluating Gradient-based Attacks for Adversarial Examples
von: Cinà, Antonio Emanuele, et al.
Veröffentlicht: (2024)

Robustness of Practical Perceptual Hashing Algorithms to Hash-Evasion and Hash-Inversion Attacks
von: Madden, Jordan, et al.
Veröffentlicht: (2024)

Rank Matters: Understanding and Defending Model Inversion Attacks via Low-Rank Feature Filtering
von: Yu, Hongyao, et al.
Veröffentlicht: (2024)

Boosting Gradient Leakage Attacks: Data Reconstruction in Realistic FL Settings
von: Fan, Mingyuan, et al.
Veröffentlicht: (2025)

Wicked Oddities: Selectively Poisoning for Effective Clean-Label Backdoor Attacks
von: Nguyen, Quang H., et al.
Veröffentlicht: (2024)

PADetBench: Towards Benchmarking Physical Attacks against Object Detection
von: Lian, Jiawei, et al.
Veröffentlicht: (2024)

Toward Availability Attacks in 3D Point Clouds
von: Zhu, Yifan, et al.
Veröffentlicht: (2024)

Towards Sample-specific Backdoor Attack with Clean Labels via Attribute Trigger
von: Zhu, Mingyan, et al.
Veröffentlicht: (2023)

Exploring User-level Gradient Inversion with a Diffusion Prior
von: Li, Zhuohang, et al.
Veröffentlicht: (2024)

Soften to Defend: Towards Adversarial Robustness via Self-Guided Label Refinement
von: Yu, Daiwei, et al.
Veröffentlicht: (2024)

Meta Invariance Defense Towards Generalizable Robustness to Unknown Adversarial Attacks
von: Zhang, Lei, et al.
Veröffentlicht: (2024)

PointBA: Towards Backdoor Attacks in 3D Point Cloud
von: Li, Xinke, et al.
Veröffentlicht: (2021)

Attack Anything: Blind DNNs via Universal Background Adversarial Attack
von: Lian, Jiawei, et al.
Veröffentlicht: (2024)

Crafter: Facial Feature Crafting against Inversion-based Identity Theft on Deep Models
von: Wang, Shiming, et al.
Veröffentlicht: (2024)

Improving Robustness to Model Inversion Attacks via Sparse Coding Architectures
von: Dibbo, Sayanton V., et al.
Veröffentlicht: (2024)

Trap-MID: Trapdoor-based Defense against Model Inversion Attacks
von: Liu, Zhen-Ting, et al.
Veröffentlicht: (2024)

Towards Privacy-Guaranteed Label Unlearning in Vertical Federated Learning: Few-Shot Forgetting without Disclosure
von: Gu, Hanlin, et al.
Veröffentlicht: (2024)

DiffMI: Breaking Face Recognition Privacy via Diffusion-Driven Training-Free Model Inversion
von: Wang, Hanrui, et al.
Veröffentlicht: (2025)

Model Inversion Robustness: Can Transfer Learning Help?
von: Ho, Sy-Tuyen, et al.
Veröffentlicht: (2024)

Federated Learning with Label-Masking Distillation
von: Lu, Jianghu, et al.
Veröffentlicht: (2024)

CGI-DM: Digital Copyright Authentication for Diffusion Models via Contrasting Gradient Inversion
von: Wu, Xiaoyu, et al.
Veröffentlicht: (2024)

Boosting Adversarial Transferability via Residual Perturbation Attack
von: Peng, Jinjia, et al.
Veröffentlicht: (2025)

Towards Black-Box Membership Inference Attack for Diffusion Models
von: Li, Jingwei, et al.
Veröffentlicht: (2024)

Backdoor Attack with Sparse and Invisible Trigger
von: Gao, Yinghua, et al.
Veröffentlicht: (2023)

QuantAttack: Exploiting Dynamic Quantization to Attack Vision Transformers
von: Baras, Amit, et al.
Veröffentlicht: (2023)

Universal Backdoor Attacks
von: Schneider, Benjamin, et al.
Veröffentlicht: (2023)

Random Erasing vs. Model Inversion: A Promising Defense or a False Hope?
von: Tran, Viet-Hung, et al.
Veröffentlicht: (2024)

Class-feature Watermark: A Resilient Black-box Watermark Against Model Extraction Attacks
von: Xiao, Yaxin, et al.
Veröffentlicht: (2025)

Fault Sneaking Attack: a Stealthy Framework for Misleading Deep Neural Networks
von: Zhao, Pu, et al.
Veröffentlicht: (2019)

Bad-PFL: Exploring Backdoor Attacks against Personalized Federated Learning
von: Fan, Mingyuan, et al.
Veröffentlicht: (2025)

DisDet: Exploring Detectability of Backdoor Attack on Diffusion Models
von: Sui, Yang, et al.
Veröffentlicht: (2024)

Reliable Disentanglement Multi-view Learning Against View Adversarial Attacks
von: Wang, Xuyang, et al.
Veröffentlicht: (2025)

Memory Backdoor Attacks on Neural Networks
von: Luzon, Eden, et al.
Veröffentlicht: (2024)

Invisible Backdoor Attacks on Diffusion Models
von: Li, Sen, et al.
Veröffentlicht: (2024)