Buchumschlag

Purify Unlearnable Examples via Rate-Constrained Variational Autoencoders

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yu, Yi, Wang, Yufei, Xia, Song, Yang, Wenhan, Lu, Shijian, Tan, Yap-Peng, Kot, Alex C.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Artificial Intelligence Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Unlearnable Examples Detection via Iterative Filtering
von: Yu, Yi, et al.
Veröffentlicht: (2024)

Towards Model Resistant to Transferable Adversarial Examples via Trigger Activation
von: Yu, Yi, et al.
Veröffentlicht: (2025)

Backdoor Attacks against No-Reference Image Quality Assessment Models via a Scalable Trigger
von: Yu, Yi, et al.
Veröffentlicht: (2024)

Semantic Deep Hiding for Robust Unlearnable Examples
von: Meng, Ruohan, et al.
Veröffentlicht: (2024)

Robust and Transferable Backdoor Attacks Against Deep Image Compression With Selective Frequency Prior
von: Yu, Yi, et al.
Veröffentlicht: (2024)

MTL-UE: Learning to Learn Nothing for Multi-Task Learning
von: Yu, Yi, et al.
Veröffentlicht: (2025)

Temporal Unlearnable Examples: Preventing Personal Video Data from Unauthorized Exploitation by Object Tracking
von: Wu, Qiangqiang, et al.
Veröffentlicht: (2025)

Stable Unlearnable Example: Enhancing the Robustness of Unlearnable Examples via Stable Error-Minimizing Noise
von: Liu, Yixin, et al.
Veröffentlicht: (2023)

T2UE: Generating Unlearnable Examples from Text Descriptions
von: Ma, Xingjun, et al.
Veröffentlicht: (2025)

Provably Unlearnable Data Examples
von: Wang, Derui, et al.
Veröffentlicht: (2024)

Game-Theoretic Unlearnable Example Generator
von: Liu, Shuang, et al.
Veröffentlicht: (2024)

UnSeg: One Universal Unlearnable Example Generator is Enough against All Image Segmentation
von: Sun, Ye, et al.
Veröffentlicht: (2024)

From Pretrain to Pain: Adversarial Vulnerability of Video Foundation Models Without Task Knowledge
von: Lu, Hui, et al.
Veröffentlicht: (2025)

Multimodal Unlearnable Examples: Protecting Data against Multimodal Contrastive Learning
von: Liu, Xinwei, et al.
Veröffentlicht: (2024)

Purified and Unified Steganographic Network
von: Li, Guobiao, et al.
Veröffentlicht: (2024)

ARMOR: Shielding Unlearnable Examples against Data Augmentation
von: Gong, Xueluan, et al.
Veröffentlicht: (2025)

Towards Physical World Backdoor Attacks against Skeleton Action Recognition
von: Zheng, Qichen, et al.
Veröffentlicht: (2024)

Medical Unlearnable Examples: Securing Medical Data from Unauthorized Training via Sparsity-Aware Local Masking
von: Sun, Weixiang, et al.
Veröffentlicht: (2024)

Channel-Level Semantic Perturbations: Unlearnable Examples for Diverse Training Paradigms
von: Wang, Bo, et al.
Veröffentlicht: (2026)

Transferable Adversarial Attacks on SAM and Its Downstream Models
von: Xia, Song, et al.
Veröffentlicht: (2024)

Safeguarding Medical Image Segmentation Datasets against Unauthorized Training via Contour- and Texture-Aware Perturbations
von: Lin, Xun, et al.
Veröffentlicht: (2024)

Purifying Approximate Differential Privacy with Randomized Post-processing
von: Lin, Yingyu, et al.
Veröffentlicht: (2025)

Signal Adversarial Examples Generation for Signal Detection Network via White-Box Attack
von: Li, Dongyang, et al.
Veröffentlicht: (2024)

Nonlinear Transformations Against Unlearnable Datasets
von: Hapuarachchi, Thushari, et al.
Veröffentlicht: (2024)

SoK: Unlearnability and Unlearning for Model Dememorization
von: Zhang, Mengying, et al.
Veröffentlicht: (2026)

CodePurify: Defend Backdoor Attacks on Neural Code Models via Entropy-based Purification
von: Mu, Fangwen, et al.
Veröffentlicht: (2024)

AED-PADA:Improving Generalizability of Adversarial Example Detection via Principal Adversarial Domain Adaptation
von: Peng, Heqi, et al.
Veröffentlicht: (2024)

Layer-Aware Representation Filtering: Purifying Finetuning Data to Preserve LLM Safety Alignment
von: Li, Hao, et al.
Veröffentlicht: (2025)

Improving Transferability of Adversarial Examples via Bayesian Attacks
von: Li, Qizhang, et al.
Veröffentlicht: (2023)

PrivTuner with Homomorphic Encryption and LoRA: A P3EFT Scheme for Privacy-Preserving Parameter-Efficient Fine-Tuning of AI Foundation Models
von: Li, Yang, et al.
Veröffentlicht: (2024)

Time Is All It Takes: Spike-Retiming Attacks on Event-Driven Spiking Neural Networks
von: Yu, Yi, et al.
Veröffentlicht: (2026)

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

WaterVIB: Learning Minimal Sufficient Watermark Representations via Variational Information Bottleneck
von: He, Haoyuan, et al.
Veröffentlicht: (2026)

Adversarial Examples are Misaligned in Diffusion Model Manifolds
von: Lorenz, Peter, et al.
Veröffentlicht: (2024)

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

VAEMax: Open-Set Intrusion Detection based on OpenMax and Variational Autoencoder
von: Qiu, Zhiyin, et al.
Veröffentlicht: (2024)

"No Matter What You Do": Purifying GNN Models via Backdoor Unlearning
von: Zhang, Jiale, et al.
Veröffentlicht: (2024)

Improving Integrated Gradient-based Transferable Adversarial Examples by Refining the Integration Path
von: Ren, Yuchen, et al.
Veröffentlicht: (2024)

Time Traveling to Defend Against Adversarial Example Attacks in Image Classification
von: Etim, Anthony, et al.
Veröffentlicht: (2024)

Efficient Malicious UAV Detection Using Autoencoder-TSMamba Integration
von: Akhtarshenas, Azim, et al.
Veröffentlicht: (2025)