Buchumschlag

Generalization Bound and New Algorithm for Clean-Label Backdoor Attack

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yu, Lijia, Liu, Shuang, Miao, Yibo, Gao, Xiao-Shan, Zhang, Lijun
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Cryptography and Security Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Provable Watermarking for Data Poisoning Attacks
von: Zhu, Yifan, et al.
Veröffentlicht: (2025)

Score Attack: A Lower Bound Technique for Optimal Differentially Private Learning
von: Cai, T. Tony, et al.
Veröffentlicht: (2023)

Sequential Membership Inference Attacks
von: Michel, Thomas, et al.
Veröffentlicht: (2026)

Differentially Private Sliced Inverse Regression: Minimax Optimality and Algorithm
von: Xia, Xintao, et al.
Veröffentlicht: (2024)

Generalizability of Neural Networks Minimizing Empirical Risk Based on Expressive Ability
von: Yu, Lijia, et al.
Veröffentlicht: (2025)

Strategic Sample Selection for Improved Clean-Label Backdoor Attacks in Text Classification
von: Kirci, Onur Alp, et al.
Veröffentlicht: (2025)

An Iterative Algorithm for Differentially Private $k$-PCA with Adaptive Noise
von: Düngler, Johanna, et al.
Veröffentlicht: (2025)

Fine-tuning is Not Fine: Mitigating Backdoor Attacks in GNNs with Limited Clean Data
von: Zhang, Jiale, et al.
Veröffentlicht: (2025)

Optimal Survey Design for Private Mean Estimation
von: Chen, Yu-Wei, et al.
Veröffentlicht: (2025)

Attack-Aware Noise Calibration for Differential Privacy
von: Kulynych, Bogdan, et al.
Veröffentlicht: (2024)

Wicked Oddities: Selectively Poisoning for Effective Clean-Label Backdoor Attacks
von: Nguyen, Quang H., et al.
Veröffentlicht: (2024)

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

On Rate-Optimal Partitioning Classification from Observable and from Privatised Data
von: Csáji, Balázs Csanád, et al.
Veröffentlicht: (2023)

A Statistical Viewpoint on Differential Privacy: Hypothesis Testing, Representation and Blackwell's Theorem
von: Su, Weijie J.
Veröffentlicht: (2024)

Optimal Classification-based Anomaly Detection with Neural Networks: Theory and Practice
von: Zhou, Tian-Yi, et al.
Veröffentlicht: (2024)

Differentially Private Best-Arm Identification
von: Azize, Achraf, et al.
Veröffentlicht: (2024)

Differentially Private Manifold Denoising
von: Wu, Jiaqi, et al.
Veröffentlicht: (2026)

Some Targets Are Harder to Identify than Others: Quantifying the Target-dependent Membership Leakage
von: Azize, Achraf, et al.
Veröffentlicht: (2024)

On Privately Estimating a Single Parameter
von: Asi, Hilal, et al.
Veröffentlicht: (2025)

A Linear Approach to Data Poisoning
von: Flynn, Donald, et al.
Veröffentlicht: (2025)

Privacy of SGD under Gaussian or Heavy-Tailed Noise: Guarantees without Gradient Clipping
von: Şimşekli, Umut, et al.
Veröffentlicht: (2024)

On Differentially Private U Statistics
von: Chaudhuri, Kamalika, et al.
Veröffentlicht: (2024)

DP-SPRT: Differentially Private Sequential Probability Ratio Tests
von: Michel, Thomas, et al.
Veröffentlicht: (2025)

Attack and Defense of Deep Learning Models in the Field of Web Attack Detection
von: Shi, Lijia, et al.
Veröffentlicht: (2024)

Differentially Private Federated Learning: Servers Trustworthiness, Estimation, and Statistical Inference
von: Zhang, Zhe, et al.
Veröffentlicht: (2024)

Federated Transfer Learning with Differential Privacy
von: Li, Mengchu, et al.
Veröffentlicht: (2024)

Contraction of Locally Differentially Private Mechanisms
von: Asoodeh, Shahab, et al.
Veröffentlicht: (2022)

Toward Availability Attacks in 3D Point Clouds
von: Zhu, Yifan, et al.
Veröffentlicht: (2024)

Hide in Plain Sight: Clean-Label Backdoor for Auditing Membership Inference
von: Chen, Depeng, et al.
Veröffentlicht: (2024)

Differentially Private Synthetic High-dimensional Tabular Stream
von: Kumar, Girish, et al.
Veröffentlicht: (2024)

Optimal Regret of Bernoulli Bandits under Global Differential Privacy
von: Azize, Achraf, et al.
Veröffentlicht: (2025)

Concentrated Differential Privacy for Bandits
von: Azize, Achraf, et al.
Veröffentlicht: (2023)

Bayesian Adversarial Privacy
von: Bell, Cameron, et al.
Veröffentlicht: (2026)

Nonparametric extensions of randomized response for private confidence sets
von: Waudby-Smith, Ian, et al.
Veröffentlicht: (2022)

Mitigating Privacy-Utility Trade-off in Decentralized Federated Learning via $f$-Differential Privacy
von: Li, Xiang, et al.
Veröffentlicht: (2025)

Differentially Private Inference for Longitudinal Linear Regression
von: Sopa, Getoar, et al.
Veröffentlicht: (2026)

Uncertainty quantification by block bootstrap for differentially private stochastic gradient descent
von: Dette, Holger, et al.
Veröffentlicht: (2024)

Differentially Private Permutation Tests: Applications to Kernel Methods
von: Kim, Ilmun, et al.
Veröffentlicht: (2023)

A Semantic and Clean-label Backdoor Attack against Graph Convolutional Networks
von: Dai, Jiazhu, et al.
Veröffentlicht: (2025)

Better and Simpler Lower Bounds for Differentially Private Statistical Estimation
von: Narayanan, Shyam
Veröffentlicht: (2023)