Buchumschlag

BlockFUL: Enabling Unlearning in Blockchained Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Xiao, Li, Mingyuan, Wang, Xu, Yu, Guangsheng, Ni, Wei, Li, Lixiang, Peng, Haipeng, Liu, Renping
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Artificial Intelligence Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FedBlock: A Blockchain Approach to Federated Learning against Backdoor Attacks
von: Nguyen, Duong H., et al.
Veröffentlicht: (2024)

UnlearnShield: Shielding Forgotten Privacy against Unlearning Inversion
von: Xue, Lulu, et al.
Veröffentlicht: (2026)

Split Unlearning
von: Yu, Guangsheng, et al.
Veröffentlicht: (2023)

Reputation-Driven Asynchronous Federated Learning for Enhanced Trajectory Prediction with Blockchain
von: Chen, Weiliang, et al.
Veröffentlicht: (2024)

Unveiling and Mitigating Backdoor Vulnerabilities based on Unlearning Weight Changes and Backdoor Activeness
von: Lin, Weilin, et al.
Veröffentlicht: (2024)

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

Proof of Reasoning for Privacy Enhanced Federated Blockchain Learning at the Edge
von: Calo, James, et al.
Veröffentlicht: (2026)

Invisible Watermarks, Visible Gains: Steering Machine Unlearning with Bi-Level Watermarking Design
von: Sun, Yuhao, et al.
Veröffentlicht: (2025)

Universal Anti-forensics Attack against Image Forgery Detection via Multi-modal Guidance
von: Li, Haipeng, et al.
Veröffentlicht: (2026)

Defensive Unlearning with Adversarial Training for Robust Concept Erasure in Diffusion Models
von: Zhang, Yimeng, et al.
Veröffentlicht: (2024)

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

Lightweight True In-Pixel Encryption with FeFET Enabled Pixel Design for Secure Imaging
von: Udoy, Md Rahatul Islam, et al.
Veröffentlicht: (2026)

Tracing Back the Malicious Clients in Poisoning Attacks to Federated Learning
von: Jia, Yuqi, 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)

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

Backdoor Federated Learning by Poisoning Backdoor-Critical Layers
von: Zhuang, Haomin, et al.
Veröffentlicht: (2023)

REFORGE: Multi-modal Attacks Reveal Vulnerable Concept Unlearning in Image Generation Models
von: Zou, Yong, et al.
Veröffentlicht: (2026)

SemiAdv: Query-Efficient Black-Box Adversarial Attack with Unlabeled Images
von: Fan, Mingyuan, et al.
Veröffentlicht: (2024)

InverTune: Removing Backdoors from Multimodal Contrastive Learning Models via Trigger Inversion and Activation Tuning
von: Sun, Mengyuan, et al.
Veröffentlicht: (2025)

XNN: Paradigm Shift in Mitigating Identity Leakage within Cloud-Enabled Deep Learning
von: Liu, Kaixin, et al.
Veröffentlicht: (2024)

Delta-Influence: Unlearning Poisons via Influence Functions
von: Li, Wenjie, et al.
Veröffentlicht: (2024)

TBDD: A New Trust-based, DRL-driven Framework for Blockchain Sharding in IoT
von: Zhang, Zixu, et al.
Veröffentlicht: (2024)

AICAttack: Adversarial Image Captioning Attack with Attention-Based Optimization
von: Li, Jiyao, et al.
Veröffentlicht: (2024)

Blockchain-enabled Trustworthy Federated Unlearning
von: Lin, Yijing, et al.
Veröffentlicht: (2024)

Image Can Bring Your Memory Back: A Novel Multi-Modal Guided Attack against Image Generation Model Unlearning
von: Liu, Renyang, et al.
Veröffentlicht: (2025)

ZIUM: Zero-Shot Intent-Aware Adversarial Attack on Unlearned Models
von: Yook, Hyun Jun, et al.
Veröffentlicht: (2025)

Federated Learning for Large Models in Medical Imaging: A Comprehensive Review
von: Sun, Mengyu, et al.
Veröffentlicht: (2025)

A Novel Defense Against Poisoning Attacks on Federated Learning: LayerCAM Augmented with Autoencoder
von: Zheng, Jingjing, et al.
Veröffentlicht: (2024)

SecureT2I: No More Unauthorized Manipulation on AI Generated Images from Prompts
von: Wu, Xiaodong, et al.
Veröffentlicht: (2025)

BadBlocks: Low-Cost and Stealthy Backdoor Attacks Tailored for Text-to-Image Diffusion Models
von: Wu, Jia, et al.
Veröffentlicht: (2025)

Transferability Bound Theory: Exploring Relationship between Adversarial Transferability and Flatness
von: Fan, Mingyuan, et al.
Veröffentlicht: (2023)

Defensive Adversarial CAPTCHA: A Semantics-Driven Framework for Natural Adversarial Example Generation
von: Du, Xia, et al.
Veröffentlicht: (2025)

PLA: Prompt Learning Attack against Text-to-Image Generative Models
von: Lyu, Xinqi, et al.
Veröffentlicht: (2025)

Verifiably Forgotten? Gradient Differences Still Enable Data Reconstruction in Federated Unlearning
von: Zhang, Fuyao, et al.
Veröffentlicht: (2025)

Rethinking Machine Unlearning in Image Generation Models
von: Liu, Renyang, et al.
Veröffentlicht: (2025)

Leak and Learn: An Attacker's Cookbook to Train Using Leaked Data from Federated Learning
von: Zhao, Joshua C., et al.
Veröffentlicht: (2024)

A Survey on Federated Unlearning: Challenges, Methods, and Future Directions
von: Liu, Ziyao, et al.
Veröffentlicht: (2023)

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

Multi-Target Federated Backdoor Attack Based on Feature Aggregation
von: Hao, Lingguag, et al.
Veröffentlicht: (2025)

IPBA: Imperceptible Perturbation Backdoor Attack in Federated Self-Supervised Learning
von: Wang, Jiayao, et al.
Veröffentlicht: (2025)