Buchumschlag

Cooperative Backdoor Attack in Decentralized Reinforcement Learning with Theoretical Guarantee

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gao, Mengtong, Zou, Yifei, Zhang, Zuyuan, Cheng, Xiuzhen, Yu, Dongxiao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Second-Order Convergence in Private Stochastic Non-Convex Optimization
von: Tao, Youming, et al.
Veröffentlicht: (2025)

A Resource-Adaptive Approach for Federated Learning under Resource-Constrained Environments
von: Zhang, Ruirui, et al.
Veröffentlicht: (2024)

Operator-Guided Invariance Learning for Continuous Reinforcement Learning
von: Zhang, Zuyuan, et al.
Veröffentlicht: (2026)

Tail-Risk-Safe Monte Carlo Tree Search under PAC-Level Guarantees
von: Zhang, Zuyuan, et al.
Veröffentlicht: (2025)

Matrix-Space Reinforcement Learning for Reusing Local Transition Geometry
von: Zhang, Zuyuan, et al.
Veröffentlicht: (2026)

PNAct: Crafting Backdoor Attacks in Safe Reinforcement Learning
von: Guo, Weiran, et al.
Veröffentlicht: (2025)

Theoretical Analysis of Meta Reinforcement Learning: Generalization Bounds and Convergence Guarantees
von: Wang, Cangqing, et al.
Veröffentlicht: (2024)

Manifold-Constrained Energy-Based Transition Models for Offline Reinforcement Learning
von: Fang, Zeyu, et al.
Veröffentlicht: (2026)

BLAST: A Stealthy Backdoor Leverage Attack against Cooperative Multi-Agent Deep Reinforcement Learning based Systems
von: Fang, Jing, et al.
Veröffentlicht: (2025)

Cochain Perspectives on Temporal-Difference Signals for Learning Beyond Markov Dynamics
von: Zhang, Zuyuan, et al.
Veröffentlicht: (2026)

Data-Free Continual Learning of Server Models in Model-Heterogeneous Cloud-Device Collaboration
von: Zhang, Xiao, et al.
Veröffentlicht: (2025)

Amplified Vulnerabilities: Structured Jailbreak Attacks on LLM-based Multi-Agent Debate
von: Qi, Senmao, et al.
Veröffentlicht: (2025)

Trusted Weights, Treacherous Optimizations? Optimization-Triggered Backdoor Attacks on LLMs
von: Wang, Yifei, et al.
Veröffentlicht: (2026)

Fully Decentralized Cooperative Multi-Agent Reinforcement Learning: A Survey
von: Jiang, Jiechuan, et al.
Veröffentlicht: (2024)

BadAgent: Inserting and Activating Backdoor Attacks in LLM Agents
von: Wang, Yifei, et al.
Veröffentlicht: (2024)

Revisiting Meta-Learning with Noisy Labels: Reweighting Dynamics and Theoretical Guarantees
von: Zhang, Yiming, et al.
Veröffentlicht: (2025)

Metric-Gradient Projection for Stable Multi-Agent Policy Learning
von: Zhang, Zuyuan, et al.
Veröffentlicht: (2026)

DMPA: Model Poisoning Attacks on Decentralized Federated Learning for Model Differences
von: Feng, Chao, et al.
Veröffentlicht: (2025)

Adversarial Robustness Unhardening via Backdoor Attacks in Federated Learning
von: Kim, Taejin, et al.
Veröffentlicht: (2023)

HeteroBA: A Structure-Manipulating Backdoor Attack on Heterogeneous Graphs
von: Gao, Honglin, et al.
Veröffentlicht: (2025)

Geometry of Drifting MDPs with Path-Integral Stability Certificates
von: Zhang, Zuyuan, et al.
Veröffentlicht: (2026)

UNIDOOR: A Universal Framework for Action-Level Backdoor Attacks in Deep Reinforcement Learning
von: Ma, Oubo, et al.
Veröffentlicht: (2025)

Graph-Aware Stealthy Poison-Text Backdoors for Text-Attributed Graphs
von: Luo, Qi, et al.
Veröffentlicht: (2026)

From Models to Network Topologies: A Topology Inference Attack in Decentralized Federated Learning
von: Feng, Chao, et al.
Veröffentlicht: (2025)

A Survey of Multi Agent Reinforcement Learning: Federated Learning and Cooperative and Noncooperative Decentralized Regimes
von: Cheruiyot, Kemboi, et al.
Veröffentlicht: (2025)

A Unified and Stable Risk Minimization Framework for Weakly Supervised Learning with Theoretical Guarantees
von: Zhang, Miao, et al.
Veröffentlicht: (2025)

Unlearn to Relearn Backdoors: Deferred Backdoor Functionality Attacks on Deep Learning Models
von: Shin, Jeongjin, et al.
Veröffentlicht: (2024)

Is Inverse Reinforcement Learning Harder than Standard Reinforcement Learning? A Theoretical Perspective
von: Zhao, Lei, et al.
Veröffentlicht: (2023)

Backdoor for Debias: Mitigating Model Bias with Backdoor Attack-based Artificial Bias
von: Wu, Shangxi, et al.
Veröffentlicht: (2023)

A Vision-Language Pre-training Model-Guided Approach for Mitigating Backdoor Attacks in Federated Learning
von: Gai, Keke, et al.
Veröffentlicht: (2025)

Spectral-Risk Safe Reinforcement Learning with Convergence Guarantees
von: Kim, Dohyeong, et al.
Veröffentlicht: (2024)

Probabilistic Performance Guarantees for Multi-Task Reinforcement Learning
von: Schnitzer, Yannik, et al.
Veröffentlicht: (2026)

Provably Invincible Adversarial Attacks on Reinforcement Learning Systems: A Rate-Distortion Information-Theoretic Approach
von: Lu, Ziqing, et al.
Veröffentlicht: (2025)

Dyn-D$^2$P: Dynamic Differentially Private Decentralized Learning with Provable Utility Guarantee
von: Zhu, Zehan, et al.
Veröffentlicht: (2025)

Non-Cooperative Backdoor Attacks in Federated Learning: A New Threat Landscape
von: Nguyen, Tuan, et al.
Veröffentlicht: (2024)

Causal Policy Learning in Reinforcement Learning: Backdoor-Adjusted Soft Actor-Critic
von: Vo, Thanh Vinh, et al.
Veröffentlicht: (2025)

ICLShield: Exploring and Mitigating In-Context Learning Backdoor Attacks
von: Ren, Zhiyao, et al.
Veröffentlicht: (2025)

Structure-Aware Distributed Backdoor Attacks in Federated Learning
von: Jian, Wang, et al.
Veröffentlicht: (2026)

Defending Deep Regression Models against Backdoor Attacks
von: Du, Lingyu, et al.
Veröffentlicht: (2024)

Learning from N-Tuple Data with M Positive Instances: Unbiased Risk Estimation and Theoretical Guarantees
von: Zhang, Miao, et al.
Veröffentlicht: (2025)