Buchumschlag

FedMIA: An Effective Membership Inference Attack Exploiting "All for One" Principle in Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Gongxi, Li, Donghao, Gu, Hanlin, Yao, Yuan, Fan, Lixin, Han, Yuxing
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

FedAdOb: Privacy-Preserving Federated Deep Learning with Adaptive Obfuscation
von: Gu, Hanlin, et al.
Veröffentlicht: (2024)

SeqMIA: Sequential-Metric Based Membership Inference Attack
von: Li, Hao, et al.
Veröffentlicht: (2024)

MIA-EPT: Membership Inference Attack via Error Prediction for Tabular Data
von: German, Eyal, et al.
Veröffentlicht: (2025)

P-MIA: A Profiled-Based Membership Inference Attack on Cognitive Diagnosis Models
von: Hou, Mingliang, et al.
Veröffentlicht: (2025)

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

Tab-MIA: A Benchmark Dataset for Membership Inference Attacks on Tabular Data in LLMs
von: German, Eyal, et al.
Veröffentlicht: (2025)

Automated Membership Inference Attacks: Discovering MIA Signal Computations using LLM Agents
von: Tran, Toan, et al.
Veröffentlicht: (2026)

Fast-MIA: Efficient and Scalable Membership Inference for LLMs
von: Takahashi, Hiromu, et al.
Veröffentlicht: (2025)

Res-MIA: A Training-Free Resolution-Based Membership Inference Attack on Federated Learning Models
von: Zare, Mohammad, et al.
Veröffentlicht: (2026)

ImpMIA: Leveraging Implicit Bias for Membership Inference Attack
von: Golbari, Yuval, et al.
Veröffentlicht: (2025)

E-MIA: Exam-Style Black-Box Membership Inference Attacks against RAG Systems
von: Guan, Zelin, et al.
Veröffentlicht: (2026)

AutoMIA: Improved Baselines for Membership Inference Attack via Agentic Self-Exploration
von: Liu, Ruhao, et al.
Veröffentlicht: (2026)

DocMIA: Document-Level Membership Inference Attacks against DocVQA Models
von: Nguyen, Khanh, et al.
Veröffentlicht: (2025)

Is Difficulty Calibration All We Need? Towards More Practical Membership Inference Attacks
von: He, Yu, et al.
Veröffentlicht: (2024)

Membership Inference Attacks and Defenses in Federated Learning: A Survey
von: Bai, Li, et al.
Veröffentlicht: (2024)

FedTracker: Furnishing Ownership Verification and Traceability for Federated Learning Model
von: Shao, Shuo, et al.
Veröffentlicht: (2022)

Federated Domain-Specific Knowledge Transfer on Large Language Models Using Synthetic Data
von: Li, Haoran, et al.
Veröffentlicht: (2024)

A Data-Free Membership Inference Attack on Federated Learning in Hardware Assurance
von: Lee, Gijung, et al.
Veröffentlicht: (2026)

OSLO: One-Shot Label-Only Membership Inference Attacks
von: Peng, Yuefeng, et al.
Veröffentlicht: (2024)

Cascading and Proxy Membership Inference Attacks
von: Du, Yuntao, et al.
Veröffentlicht: (2025)

What Hard Tokens Reveal: Exploiting Low-confidence Tokens for Membership Inference Attacks against Large Language Models
von: Jawad, Md Tasnim, et al.
Veröffentlicht: (2026)

Imitative Membership Inference Attack
von: Du, Yuntao, et al.
Veröffentlicht: (2025)

A Critical Review on the Effectiveness and Privacy Threats of Membership Inference Attacks
von: Jebreel, Najeeb, et al.
Veröffentlicht: (2026)

Membership Inference Attacks on Vision-Language-Action Models
von: Peng, Yuefeng, et al.
Veröffentlicht: (2026)

When Reasoning Leaks Membership: Membership Inference Attack on Black-box Large Reasoning Models
von: Hu, Ruihan, et al.
Veröffentlicht: (2026)

Membership Inference Attack with Partial Features
von: Wang, Xurun, et al.
Veröffentlicht: (2025)

Membership Inference Attacks on Sequence Models
von: Rossi, Lorenzo, et al.
Veröffentlicht: (2025)

Membership Inference Attacks for Unseen Classes
von: Thaker, Pratiksha, et al.
Veröffentlicht: (2025)

Membership Inference Attacks Beyond Overfitting
von: Khalil, Mona, et al.
Veröffentlicht: (2025)

White-box Membership Inference Attacks against Diffusion Models
von: Pang, Yan, et al.
Veröffentlicht: (2023)

Bayes-Nash Generative Privacy Against Membership Inference Attacks
von: Zhang, Tao, et al.
Veröffentlicht: (2024)

Membership Inference Attacks Against Video Large Language Models
von: Song, Wei, et al.
Veröffentlicht: (2026)

Privacy Leaks by Adversaries: Adversarial Iterations for Membership Inference Attack
von: Xue, Jing, et al.
Veröffentlicht: (2025)

FedSecurity: Benchmarking Attacks and Defenses in Federated Learning and Federated LLMs
von: Han, Shanshan, et al.
Veröffentlicht: (2023)

Neighborhood Blending: A Lightweight Inference-Time Defense Against Membership Inference Attacks
von: Zafar, Osama, et al.
Veröffentlicht: (2026)

Evaluating the Defense Potential of Machine Unlearning against Membership Inference Attacks
von: Tsiolakis, Theodoros, et al.
Veröffentlicht: (2025)

Practical Bayes-Optimal Membership Inference Attacks
von: Lassila, Marcus, et al.
Veröffentlicht: (2025)

Membership Inference Attacks Against In-Context Learning
von: Wen, Rui, et al.
Veröffentlicht: (2024)

Pop Quiz Attack: Black-box Membership Inference Attacks Against Large Language Models
von: Chen, Zeyuan, et al.
Veröffentlicht: (2026)

Sequential Membership Inference Attacks
von: Michel, Thomas, et al.
Veröffentlicht: (2026)