Buchumschlag

Leak and Learn: An Attacker's Cookbook to Train Using Leaked Data from Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Joshua C., Dabholkar, Ahaan, Sharma, Atul, Bagchi, Saurabh
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MAUI: Reconstructing Private Client Data in Federated Transfer Learning
von: Dabholkar, Ahaan, et al.
Veröffentlicht: (2025)

Exploit the Leak: Understanding Risks in Biometric Matchers
von: Durbet, Axel, et al.
Veröffentlicht: (2023)

Beyond Corner Patches: Semantics-Aware Backdoor Attack in Federated Learning
von: Herath, Kavindu, et al.
Veröffentlicht: (2026)

VidLeaks: Membership Inference Attacks Against Text-to-Video Models
von: Wang, Li, et al.
Veröffentlicht: (2026)

Robust Watermarks Leak: Channel-Aware Feature Extraction Enables Adversarial Watermark Manipulation
von: Ba, Zhongjie, et al.
Veröffentlicht: (2025)

Navigation as Attackers Wish? Towards Building Robust Embodied Agents under Federated Learning
von: Zhang, Yunchao, et al.
Veröffentlicht: (2022)

Adversarial Attacks on Reinforcement Learning Agents for Command and Control
von: Dabholkar, Ahaan, et al.
Veröffentlicht: (2024)

VisualLeakBench: Auditing the Fragility of Large Vision-Language Models against PII Leakage and Social Engineering
von: Wang, Youting, et al.
Veröffentlicht: (2026)

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

Tracing Back the Malicious Clients in Poisoning Attacks to Federated Learning
von: Jia, Yuqi, et al.
Veröffentlicht: (2024)

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

General Autonomous Cybersecurity Defense: Learning Robust Policies for Dynamic Topologies and Diverse Attackers
von: Ramamurthy, Arun, et al.
Veröffentlicht: (2025)

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

Meta-Learning for Federated Face Recognition in Imbalanced Data Regimes
von: Gansekoele, Arwin, et al.
Veröffentlicht: (2024)

FedSECA: Sign Election and Coordinate-wise Aggregation of Gradients for Byzantine Tolerant Federated Learning
von: Benjamin, Joseph Geo, et al.
Veröffentlicht: (2024)

Privacy-Preserving Federated Vision Transformer Learning Leveraging Lightweight Homomorphic Encryption in Medical AI
von: Amin, Al, et al.
Veröffentlicht: (2025)

Machine Learning Security against Data Poisoning: Are We There Yet?
von: Cinà, Antonio Emanuele, et al.
Veröffentlicht: (2022)

QA-HFL: Quality-Aware Hierarchical Federated Learning for Resource-Constrained Mobile Devices with Heterogeneous Image Quality
von: Hussain, Sajid, et al.
Veröffentlicht: (2025)

Improving Deepfake Detection with Reinforcement Learning-Based Adaptive Data Augmentation
von: Zhou, Yuxuan, et al.
Veröffentlicht: (2025)

Privacy-Preserving Federated Learning with Verifiable Fairness Guarantees
von: Ali, Mohammed Himayath, et al.
Veröffentlicht: (2026)

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

SpooFL: Spoofing Federated Learning
von: Baglin, Isaac, et al.
Veröffentlicht: (2026)

Secure Data Access in Cloud Environments Using Quantum Cryptography
von: Lakshmi, S. Vasavi Venkata, et al.
Veröffentlicht: (2025)

BlockFUL: Enabling Unlearning in Blockchained Federated Learning
von: Liu, Xiao, et al.
Veröffentlicht: (2024)

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

VGS-ATD: Robust Distributed Learning for Multi-Label Medical Image Classification Under Heterogeneous and Imbalanced Conditions
von: Zhao, Zehui, et al.
Veröffentlicht: (2025)

Video Inpainting Localization with Contrastive Learning
von: Lou, Zijie, et al.
Veröffentlicht: (2024)

Temporal Persistence and Intercorrelation of Embeddings Learned by an End-to-End Deep Learning Eye Movement-driven Biometrics Pipeline
von: Raju, Mehedi Hasan, et al.
Veröffentlicht: (2024)

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

Time-Distributed Backdoor Attacks on Federated Spiking Learning
von: Abad, Gorka, et al.
Veröffentlicht: (2024)

Intrusion Detection: A Deep Learning Approach
von: Shivhare, Ishaan, et al.
Veröffentlicht: (2023)

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

1-D CNN-Based Online Signature Verification with Federated Learning
von: Zhang, Lingfeng, et al.
Veröffentlicht: (2024)

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

Navigating Heterogeneity and Privacy in One-Shot Federated Learning with Diffusion Models
von: Mendieta, Matias, et al.
Veröffentlicht: (2024)

SaFL: Sybil-aware Federated Learning with Application to Face Recognition
von: Ghafourian, Mahdi, et al.
Veröffentlicht: (2023)

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

Toward Reliable, Safe, and Secure LLMs for Scientific Applications
von: Chaturvedi, Saket Sanjeev, et al.
Veröffentlicht: (2026)

Accurate and Private Diagnosis of Rare Genetic Syndromes from Facial Images with Federated Deep Learning
von: Ünal, Ali Burak, et al.
Veröffentlicht: (2025)

Extracting Training Data from Unconditional Diffusion Models
von: Chen, Yunhao, et al.
Veröffentlicht: (2024)