Buchumschlag

The SkipSponge Attack: Sponge Weight Poisoning of Deep Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lintelo, Jona te, Koffas, Stefanos, Picek, Stjepan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Backdoor Attacks on Decentralised Post-Training
von: Ersoy, Oğuzhan, et al.
Veröffentlicht: (2026)

BadPatches: Routing-aware Backdoor Attacks on Vision Mixture of Experts
von: Chan, Cedric, et al.
Veröffentlicht: (2025)

CatBack: Universal Backdoor Attacks on Tabular Data via Categorical Encoding
von: Tajalli, Behrad, et al.
Veröffentlicht: (2025)

Large Language Lobotomy: Jailbreaking Mixture-of-Experts via Expert Silencing
von: Lintelo, Jona te, et al.
Veröffentlicht: (2026)

Let's Focus: Focused Backdoor Attack against Federated Transfer Learning
von: Arazzi, Marco, et al.
Veröffentlicht: (2024)

More is Better (Mostly): On the Backdoor Attacks in Federated Graph Neural Networks
von: Xu, Jing, et al.
Veröffentlicht: (2022)

BAN: Detecting Backdoors Activated by Adversarial Neuron Noise
von: Xu, Xiaoyun, et al.
Veröffentlicht: (2024)

MASCing: Configurable Mixture-of-Experts Behavior via Activation Steering Masks
von: Lintelo, Jona te, et al.
Veröffentlicht: (2026)

Backdoor Attacks on Transformers for Tabular Data: An Empirical Study
von: Pleiter, Bart, et al.
Veröffentlicht: (2023)

Label Inference Attacks against Node-level Vertical Federated GNNs
von: Arazzi, Marco, et al.
Veröffentlicht: (2023)

EmoBack: Backdoor Attacks Against Speaker Identification Using Emotional Prosody
von: Schoof, Coen, et al.
Veröffentlicht: (2024)

Energy-Latency Attacks via Sponge Poisoning
von: Cinà, Antonio Emanuele, et al.
Veröffentlicht: (2022)

$$\mathbf{L^2\cdot M = C^2}$$ Large Language Models are Covert Channels
von: Gaure, Simen, et al.
Veröffentlicht: (2024)

GoodVibe: Security-by-Vibe for LLM-Based Code Generation
von: Thang, Maximilian, et al.
Veröffentlicht: (2026)

Towards Backdoor Stealthiness in Model Parameter Space
von: Xu, Xiaoyun, et al.
Veröffentlicht: (2025)

Interpreting Emergent Features in Deep Learning-based Side-channel Analysis
von: Karayalçin, Sengim, et al.
Veröffentlicht: (2025)

NoMod: A Non-modular Attack on Module Learning With Errors
von: Bassotto, Cristian, et al.
Veröffentlicht: (2025)

Removing the Trigger, Not the Backdoor: Alternative Triggers and Latent Backdoors
von: Abad, Gorka, et al.
Veröffentlicht: (2026)

Sneaky Spikes: Uncovering Stealthy Backdoor Attacks in Spiking Neural Networks with Neuromorphic Data
von: Abad, Gorka, et al.
Veröffentlicht: (2023)

Sponge Attacks on Sensing AI: Energy-Latency Vulnerabilities and Defense via Model Pruning
von: Hasan, Syed Mhamudul, et al.
Veröffentlicht: (2025)

Indiscriminate Data Poisoning Attacks on Neural Networks
von: Lu, Yiwei, et al.
Veröffentlicht: (2022)

Dr. Jekyll and Mr. Hyde: Two Faces of LLMs
von: Collu, Matteo Gioele, et al.
Veröffentlicht: (2023)

Provable Robustness of (Graph) Neural Networks Against Data Poisoning and Backdoor Attacks
von: Gosch, Lukas, et al.
Veröffentlicht: (2024)

Deterministic Certification of Graph Neural Networks against Graph Poisoning Attacks with Arbitrary Perturbations
von: Li, Jiate, et al.
Veröffentlicht: (2025)

Membership Privacy Evaluation in Deep Spiking Neural Networks
von: Li, Jiaxin, et al.
Veröffentlicht: (2024)

Transferable Availability Poisoning Attacks
von: Liu, Yiyong, et al.
Veröffentlicht: (2023)

Poisoned-MRAG: Knowledge Poisoning Attacks to Multimodal Retrieval Augmented Generation
von: Liu, Yinuo, et al.
Veröffentlicht: (2025)

Provable Watermarking for Data Poisoning Attacks
von: Zhu, Yifan, et al.
Veröffentlicht: (2025)

Defending against Backdoor Attack on Deep Neural Networks
von: Cheng, Hao, et al.
Veröffentlicht: (2020)

Poison with Style: A Practical Poisoning Attack on Code Large Language Models
von: Tran, Khang, et al.
Veröffentlicht: (2026)

FedRecAttack: Model Poisoning Attack to Federated Recommendation
von: Rong, Dazhong, et al.
Veröffentlicht: (2022)

Hard Work Does Not Always Pay Off: Poisoning Attacks on Neural Architecture Search
von: Coalson, Zachary, et al.
Veröffentlicht: (2024)

GShield: Mitigating Poisoning Attacks in Federated Learning
von: M., Sameera K., et al.
Veröffentlicht: (2025)

Exact Certification of (Graph) Neural Networks Against Label Poisoning
von: Sabanayagam, Mahalakshmi, et al.
Veröffentlicht: (2024)

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

Inverting Gradient Attacks Makes Powerful Data Poisoning
von: Bouaziz, Wassim, et al.
Veröffentlicht: (2024)

Local Environment Poisoning Attacks on Federated Reinforcement Learning
von: Ma, Evelyn, et al.
Veröffentlicht: (2023)

You Snooze, You Lose: Automatic Safety Alignment Restoration through Neural Weight Translation
von: Arazzi, Marco, et al.
Veröffentlicht: (2026)

Hashed Watermark as a Filter: Defeating Forging and Overwriting Attacks in Weight-based Neural Network Watermarking
von: Yao, Yuan, et al.
Veröffentlicht: (2025)

PoisonedParrot: Subtle Data Poisoning Attacks to Elicit Copyright-Infringing Content from Large Language Models
von: Panaitescu-Liess, Michael-Andrei, et al.
Veröffentlicht: (2025)