Buchumschlag

Securely Fine-tuning Pre-trained Encoders Against Adversarial Examples

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Ziqi, Li, Minghui, Liu, Wei, Hu, Shengshan, Zhang, Yechao, Wan, Wei, Xue, Lulu, Zhang, Leo Yu, Yao, Dezhong, Jin, Hai
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Secure Transfer Learning: Training Clean Models Against Backdoor in (Both) Pre-trained Encoders and Downstream Datasets
von: Zhang, Yechao, et al.
Veröffentlicht: (2025)

SegTrans: Transferable Adversarial Examples for Segmentation Models
von: Song, Yufei, et al.
Veröffentlicht: (2025)

Why Does Little Robustness Help? A Further Step Towards Understanding Adversarial Transferability
von: Zhang, Yechao, et al.
Veröffentlicht: (2023)

Transferable Physical-World Adversarial Patches Against Object Detection in Autonomous Driving
von: Zhu, Zihui, et al.
Veröffentlicht: (2026)

DarkHash: A Data-Free Backdoor Attack Against Deep Hashing
von: Zhou, Ziqi, et al.
Veröffentlicht: (2025)

NumbOD: A Spatial-Frequency Fusion Attack Against Object Detectors
von: Zhou, Ziqi, et al.
Veröffentlicht: (2024)

Breaking Barriers in Physical-World Adversarial Examples: Improving Robustness and Transferability via Robust Feature
von: Wang, Yichen, et al.
Veröffentlicht: (2024)

ECLIPSE: Expunging Clean-label Indiscriminate Poisons via Sparse Diffusion Purification
von: Wang, Xianlong, et al.
Veröffentlicht: (2024)

Unlearnable 3D Point Clouds: Class-wise Transformation Is All You Need
von: Wang, Xianlong, et al.
Veröffentlicht: (2024)

DarkSAM: Fooling Segment Anything Model to Segment Nothing
von: Zhou, Ziqi, et al.
Veröffentlicht: (2024)

ADVEDM:Fine-grained Adversarial Attack against VLM-based Embodied Agents
von: Wang, Yichen, et al.
Veröffentlicht: (2025)

Vanish into Thin Air: Cross-prompt Universal Adversarial Attacks for SAM2
von: Zhou, Ziqi, et al.
Veröffentlicht: (2025)

Improving Generalization of Universal Adversarial Perturbation via Dynamic Maximin Optimization
von: Zhang, Yechao, et al.
Veröffentlicht: (2025)

Detecting and Corrupting Convolution-based Unlearnable Examples
von: Li, Minghui, et al.
Veröffentlicht: (2023)

Transferable Physical-World Adversarial Patches Against Pedestrian Detection Models
von: Yan, Shihui, et al.
Veröffentlicht: (2026)

PB-UAP: Hybrid Universal Adversarial Attack For Image Segmentation
von: Song, Yufei, et al.
Veröffentlicht: (2024)

Revisiting Gradient Pruning: A Dual Realization for Defending against Gradient Attacks
von: Xue, Lulu, et al.
Veröffentlicht: (2024)

DarkFed: A Data-Free Backdoor Attack in Federated Learning
von: Li, Minghui, et al.
Veröffentlicht: (2024)

Transferable Direct Prompt Injection via Activation-Guided MCMC Sampling
von: Li, Minghui, et al.
Veröffentlicht: (2025)

Spa-VLM: Stealthy Poisoning Attacks on RAG-based VLM
von: Yu, Lei, et al.
Veröffentlicht: (2025)

Dual-View Inference Attack: Machine Unlearning Amplifies Privacy Exposure
von: Xue, Lulu, et al.
Veröffentlicht: (2025)

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

Erosion Attack for Adversarial Training to Enhance Semantic Segmentation Robustness
von: Song, Yufei, et al.
Veröffentlicht: (2026)

Towards Real-World Deepfake Detection: A Diverse In-the-wild Dataset of Forgery Faces
von: Shi, Junyu, et al.
Veröffentlicht: (2025)

Robot Collapse: Supply Chain Backdoor Attacks Against VLM-based Robotic Manipulation
von: Wang, Xianlong, et al.
Veröffentlicht: (2024)

Transferable Adversarial Facial Images for Privacy Protection
von: Li, Minghui, et al.
Veröffentlicht: (2024)

MARS: A Malignity-Aware Backdoor Defense in Federated Learning
von: Wan, Wei, et al.
Veröffentlicht: (2025)

Towards Reliable Forgetting: A Survey on Machine Unlearning Verification
von: Xue, Lulu, et al.
Veröffentlicht: (2025)

Masked Language Model Based Textual Adversarial Example Detection
von: Zhang, Xiaomei, et al.
Veröffentlicht: (2023)

UFVideo: Towards Unified Fine-Grained Video Cooperative Understanding with Large Language Models
von: Pan, Hewen, et al.
Veröffentlicht: (2025)

Pre-train and Fine-tune: Recommenders as Large Models
von: Jiang, Zhenhao, et al.
Veröffentlicht: (2025)

Sparse is Enough in Fine-tuning Pre-trained Large Language Models
von: Song, Weixi, et al.
Veröffentlicht: (2023)

Robust Fine-tuning for Pre-trained 3D Point Cloud Models
von: Zhang, Zhibo, et al.
Veröffentlicht: (2024)

Unleashing the Power of Pre-trained Encoders for Universal Adversarial Attack Detection
von: Zhang, Yinghe, et al.
Veröffentlicht: (2025)

SLCA++: Unleash the Power of Sequential Fine-tuning for Continual Learning with Pre-training
von: Zhang, Gengwei, et al.
Veröffentlicht: (2024)

Bias Mitigation in Fine-tuning Pre-trained Models for Enhanced Fairness and Efficiency
von: Zhang, Yixuan, et al.
Veröffentlicht: (2024)

Multi-Modality Representation Learning for Antibody-Antigen Interactions Prediction
von: Guo, Peijin, et al.
Veröffentlicht: (2025)

Selective Pre-training for Private Fine-tuning
von: Yu, Da, et al.
Veröffentlicht: (2023)

Enhancing Pre-trained ASR System Fine-tuning for Dysarthric Speech Recognition using Adversarial Data Augmentation
von: Wang, Huimeng, et al.
Veröffentlicht: (2024)

BadRobot: Jailbreaking Embodied LLMs in the Physical World
von: Zhang, Hangtao, et al.
Veröffentlicht: (2024)