Buchumschlag

Distributional Black-Box Model Inversion Attack with Multi-Agent Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bao, Huan, Wei, Kaimin, Wu, Yongdong, Qian, Jin, Deng, Robert H.
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

Unveiling the Black Box: A Multi-Layer Framework for Explaining Reinforcement Learning-Based Cyber Agents
von: Goel, Diksha, et al.
Veröffentlicht: (2025)

Black-Box Privacy Attacks on Shared Representations in Multitask Learning
von: Abascal, John, et al.
Veröffentlicht: (2025)

Universal Black-Box Reward Poisoning Attack against Offline Reinforcement Learning
von: Xu, Yinglun, et al.
Veröffentlicht: (2024)

Online Poisoning Attack Against Reinforcement Learning under Black-box Environments
von: Li, Jianhui, et al.
Veröffentlicht: (2024)

Do Spikes Protect Privacy? Investigating Black-Box Model Inversion Attacks in Spiking Neural Networks
von: Poursiami, Hamed, et al.
Veröffentlicht: (2025)

The Challenge of Identifying the Origin of Black-Box Large Language Models
von: Yang, Ziqing, et al.
Veröffentlicht: (2025)

BruSLeAttack: A Query-Efficient Score-Based Black-Box Sparse Adversarial Attack
von: Vo, Viet Quoc, et al.
Veröffentlicht: (2024)

Tricking Retrievers with Influential Tokens: An Efficient Black-Box Corpus Poisoning Attack
von: Wang, Cheng, et al.
Veröffentlicht: (2025)

GRAPHTEXTACK: A Realistic Black-Box Node Injection Attack on LLM-Enhanced GNNs
von: Ma, Jiaji, et al.
Veröffentlicht: (2025)

Certifiable Black-Box Attacks with Randomized Adversarial Examples: Breaking Defenses with Provable Confidence
von: Hong, Hanbin, et al.
Veröffentlicht: (2023)

Model Inversion Attacks Meet Cryptographic Fuzzy Extractors
von: Prabhakar, Mallika, et al.
Veröffentlicht: (2025)

Black-Box Detection of Language Model Watermarks
von: Gloaguen, Thibaud, et al.
Veröffentlicht: (2024)

SurvAttack: Black-Box Attack On Survival Models through Ontology-Informed EHR Perturbation
von: Kerdabadi, Mohsen Nayebi, et al.
Veröffentlicht: (2024)

GI-SMN: Gradient Inversion Attack against Federated Learning without Prior Knowledge
von: Qian, Jin, et al.
Veröffentlicht: (2024)

SleeperNets: Universal Backdoor Poisoning Attacks Against Reinforcement Learning Agents
von: Rathbun, Ethan, et al.
Veröffentlicht: (2024)

Non-Linear Trajectory Modeling for Multi-Step Gradient Inversion Attacks in Federated Learning
von: Xia, Li, et al.
Veröffentlicht: (2025)

A New Federated Learning Framework Against Gradient Inversion Attacks
von: Guo, Pengxin, et al.
Veröffentlicht: (2024)

A Sample-Level Evaluation and Generative Framework for Model Inversion Attacks
von: Li, Haoyang, et al.
Veröffentlicht: (2025)

Nearly Tight Black-Box Auditing of Differentially Private Machine Learning
von: Annamalai, Meenatchi Sundaram Muthu Selva, et al.
Veröffentlicht: (2024)

ARES: Scalable and Practical Gradient Inversion Attack in Federated Learning through Activation Recovery
von: Gong, Zirui, et al.
Veröffentlicht: (2026)

Evaluating Selective Encryption Against Gradient Inversion Attacks
von: Gu, Jiajun, et al.
Veröffentlicht: (2025)

Multi-Agent Reinforcement Learning for Assessing False-Data Injection Attacks on Transportation Networks
von: Eghtesad, Taha, et al.
Veröffentlicht: (2023)

Neutral Agent-based Adversarial Policy Learning against Deep Reinforcement Learning in Multi-party Open Systems
von: Peng, Qizhou, et al.
Veröffentlicht: (2025)

A Generative Approach to Surrogate-based Black-box Attacks
von: Moraffah, Raha, et al.
Veröffentlicht: (2024)

TrajDeleter: Enabling Trajectory Forgetting in Offline Reinforcement Learning Agents
von: Gong, Chen, et al.
Veröffentlicht: (2024)

Counter-Samples: A Stateless Strategy to Neutralize Black Box Adversarial Attacks
von: Bokobza, Roey, et al.
Veröffentlicht: (2024)

Ensembler: Protect Collaborative Inference Privacy from Model Inversion Attack via Selective Ensemble
von: Liu, Dancheng, et al.
Veröffentlicht: (2024)

Privately Aligning Language Models with Reinforcement Learning
von: Wu, Fan, et al.
Veröffentlicht: (2023)

TA3: Testing Against Adversarial Attacks on Machine Learning Models
von: Jin, Yuanzhe, et al.
Veröffentlicht: (2024)

On the Out-of-Distribution Backdoor Attack for Federated Learning
von: Xu, Jiahao, et al.
Veröffentlicht: (2025)

EC-LDA : Label Distribution Inference Attack against Federated Graph Learning with Embedding Compression
von: Cheng, Tong, et al.
Veröffentlicht: (2025)

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

Adversarial Inception Backdoor Attacks against Reinforcement Learning
von: Rathbun, Ethan, et al.
Veröffentlicht: (2024)

Practical Feasibility of Gradient Inversion Attacks in Federated Learning
von: Valadi, Viktor, et al.
Veröffentlicht: (2025)

Wolfpack Adversarial Attack for Robust Multi-Agent Reinforcement Learning
von: Lee, Sunwoo, et al.
Veröffentlicht: (2025)

Data-free Defense of Black Box Models Against Adversarial Attacks
von: Nayak, Gaurav Kumar, et al.
Veröffentlicht: (2022)

PAL: Proxy-Guided Black-Box Attack on Large Language Models
von: Sitawarin, Chawin, et al.
Veröffentlicht: (2024)

TooBadRL: Trigger Optimization to Boost Effectiveness of Backdoor Attacks on Deep Reinforcement Learning
von: Zhang, Mingxuan, et al.
Veröffentlicht: (2025)

Adversarial Agents: Black-Box Evasion Attacks with Reinforcement Learning
von: Domico, Kyle, et al.
Veröffentlicht: (2025)

Model Hijacking Attack in Federated Learning
von: Li, Zheng, et al.
Veröffentlicht: (2024)