Buchumschlag

Cutting through buggy adversarial example defenses: fixing 1 line of code breaks Sabre

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Carlini, Nicholas
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AutoAdvExBench: Benchmarking autonomous exploitation of adversarial example defenses
von: Carlini, Nicholas, et al.
Veröffentlicht: (2025)

Robustness bounds on the successful adversarial examples in probabilistic models: Implications from Gaussian processes
von: Maeshima, Hiroaki, et al.
Veröffentlicht: (2024)

Remote Timing Attacks on Efficient Language Model Inference
von: Carlini, Nicholas, et al.
Veröffentlicht: (2024)

Evading Black-box Classifiers Without Breaking Eggs
von: Debenedetti, Edoardo, et al.
Veröffentlicht: (2023)

Position: Considerations for Differentially Private Learning with Large-Scale Public Pretraining
von: Tramèr, Florian, et al.
Veröffentlicht: (2022)

Robust width: A lightweight and certifiable adversarial defense
von: Peck, Jonathan, et al.
Veröffentlicht: (2024)

Privacy Backdoors: Enhancing Membership Inference through Poisoning Pre-trained Models
von: Wen, Yuxin, et al.
Veröffentlicht: (2024)

IF-GUIDE: Influence Function-Guided Detoxification of LLMs
von: Coalson, Zachary, et al.
Veröffentlicht: (2025)

Adversarial ML Problems Are Getting Harder to Solve and to Evaluate
von: Rando, Javier, et al.
Veröffentlicht: (2025)

RAB$^2$-DEF: Dynamic and explainable defense against adversarial attacks in Federated Learning to fair poor clients
von: Rodríguez-Barroso, Nuria, et al.
Veröffentlicht: (2024)

Power side-channel leakage localization through adversarial training of deep neural networks
von: Gammell, Jimmy, et al.
Veröffentlicht: (2024)

Are aligned neural networks adversarially aligned?
von: Carlini, Nicholas, et al.
Veröffentlicht: (2023)

SHLIME: Foiling adversarial attacks fooling SHAP and LIME
von: Chauhan, Sam, et al.
Veröffentlicht: (2025)

Evaluating the Robustness of the "Ensemble Everything Everywhere" Defense
von: Zhang, Jie, et al.
Veröffentlicht: (2024)

Performance Evaluation of Knowledge Graph Embedding Approaches under Non-adversarial Attacks
von: Kapoor, Sourabh, et al.
Veröffentlicht: (2024)

Evaluating the robustness of adversarial defenses in malware detection systems
von: Jafari, Mostafa, et al.
Veröffentlicht: (2025)

Elevating Intrusion Detection and Security Fortification in Intelligent Networks through Cutting-Edge Machine Learning Paradigms
von: Munna, Md Minhazul Islam, et al.
Veröffentlicht: (2025)

Privacy Side Channels in Machine Learning Systems
von: Debenedetti, Edoardo, et al.
Veröffentlicht: (2023)

Understanding Deep Learning defenses Against Adversarial Examples Through Visualizations for Dynamic Risk Assessment
von: Echeberria-Barrio, Xabier, et al.
Veröffentlicht: (2024)

Certified Robustness to Clean-Label Poisoning Using Diffusion Denoising
von: Hong, Sanghyun, et al.
Veröffentlicht: (2024)

Poisoning Web-Scale Training Datasets is Practical
von: Carlini, Nicholas, et al.
Veröffentlicht: (2023)

Backdoor defense, learnability and obfuscation
von: Christiano, Paul, et al.
Veröffentlicht: (2024)

New intelligent defense systems to reduce the risks of Selfish Mining and Double-Spending attacks using Learning Automata
von: Ghoreishi, Seyed Ardalan, et al.
Veröffentlicht: (2023)

Evaluating the Robustness of a Production Malware Detection System to Transferable Adversarial Attacks
von: Nasr, Milad, et al.
Veröffentlicht: (2025)

Enhancing the Robustness of QMIX against State-adversarial Attacks
von: Guo, Weiran, et al.
Veröffentlicht: (2023)

Large-scale online deanonymization with LLMs
von: Lermen, Simon, et al.
Veröffentlicht: (2026)

Robust LLM safeguarding via refusal feature adversarial training
von: Yu, Lei, et al.
Veröffentlicht: (2024)

Stealing User Prompts from Mixture of Experts
von: Yona, Itay, et al.
Veröffentlicht: (2024)

Nonideality-aware training makes memristive networks more robust to adversarial attacks
von: Joksas, Dovydas, et al.
Veröffentlicht: (2024)

The Attacker Moves Second: Stronger Adaptive Attacks Bypass Defenses Against Llm Jailbreaks and Prompt Injections
von: Nasr, Milad, et al.
Veröffentlicht: (2025)

Exploring and Mitigating Adversarial Manipulation of Voting-Based Leaderboards
von: Huang, Yangsibo, et al.
Veröffentlicht: (2025)

Command-line Obfuscation Detection using Small Language Models
von: Outrata, Vojtech, et al.
Veröffentlicht: (2024)

Query-Based Adversarial Prompt Generation
von: Hayase, Jonathan, et al.
Veröffentlicht: (2024)

Malacopula: adversarial automatic speaker verification attacks using a neural-based generalised Hammerstein model
von: Todisco, Massimiliano, et al.
Veröffentlicht: (2024)

Accuracy of TextFooler black box adversarial attacks on 01 loss sign activation neural network ensemble
von: Xue, Yunzhe, et al.
Veröffentlicht: (2024)

Precision-Varying Prediction (PVP): Robustifying ASR systems against adversarial attacks
von: Pizarro, Matías, et al.
Veröffentlicht: (2026)

Designing an attack-defense game: how to increase robustness of financial transaction models via a competition
von: Zaytsev, Alexey, et al.
Veröffentlicht: (2023)

Trainwreck: A damaging adversarial attack on image classifiers
von: Zahálka, Jan
Veröffentlicht: (2023)

AutoAdv: Automated Adversarial Prompting for Multi-Turn Jailbreaking of Large Language Models
von: Reddy, Aashray, et al.
Veröffentlicht: (2025)

Tracing the Chain: Deep Learning for Stepping-Stone Intrusion Detection
von: Mathews, Nate, et al.
Veröffentlicht: (2026)