:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Chung, Eldon
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security
Online-Zugang:	https://arxiv.org/abs/2406.16313
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ATTAXONOMY: Unpacking Differential Privacy Guarantees Against Practical Adversaries
von: Cummings, Rachel, et al.
Veröffentlicht: (2024)

Comments on "Privacy-Enhanced Federated Learning Against Poisoning Adversaries"
von: Schneider, Thomas, et al.
Veröffentlicht: (2024)

A White-Box Adversarial Attack Against a Digital Twin
von: Patterson, Wilson, et al.
Veröffentlicht: (2022)

Behavior-Aware and Generalizable Defense Against Black-Box Adversarial Attacks for ML-Based IDS
von: Ennaji, Sabrine, et al.
Veröffentlicht: (2025)

Privacy in Theory, Bugs in Practice: Grey-Box Auditing of Differential Privacy Libraries
von: Cebere, Tudor, et al.
Veröffentlicht: (2026)

Towards Stronger Blockchains: Security Against Front-Running Attacks
von: Misra, Anshuman, et al.
Veröffentlicht: (2023)

Privacy Leaks by Adversaries: Adversarial Iterations for Membership Inference Attack
von: Xue, Jing, et al.
Veröffentlicht: (2025)

WAAA! Web Adversaries Against Agentic Browsers
von: Datta, Sohom, et al.
Veröffentlicht: (2026)

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

A Framework for Differential Privacy Against Timing Attacks
von: Ratliff, Zachary, et al.
Veröffentlicht: (2024)

Securing Unbounded Differential Privacy Against Timing Attacks
von: Ratliff, Zachary, et al.
Veröffentlicht: (2025)

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

Investigating Privacy Attacks in the Gray-Box Setting to Enhance Collaborative Learning Schemes
von: Mazzone, Federico, et al.
Veröffentlicht: (2024)

Bayes-Nash Generative Privacy Against Membership Inference Attacks
von: Zhang, Tao, et al.
Veröffentlicht: (2024)

TrapSuffix: Proactive Defense Against Adversarial Suffixes in Jailbreaking
von: Du, Mengyao, et al.
Veröffentlicht: (2026)

A Unified Framework for Adversary-Aware Differential Privacy Bounds
von: Swanberg, Marika, et al.
Veröffentlicht: (2025)

Inside Job: Defending Kubernetes Clusters Against Network Misconfigurations
von: Bufalino, Jacopo, et al.
Veröffentlicht: (2025)

CRFU: Compressive Representation Forgetting Against Privacy Leakage on Machine Unlearning
von: Wang, Weiqi, et al.
Veröffentlicht: (2025)

Poison Attacks and Adversarial Prompts Against an Informed University Virtual Assistant
von: Fernandez, Ivan A., et al.
Veröffentlicht: (2024)

Baiting AI: Deceptive Adversary Against AI-Protected Industrial Infrastructures
von: Pasikhani, Aryan, et al.
Veröffentlicht: (2026)

Auditing Differential Privacy in the Black-Box Setting
von: Shi, Kaining, et al.
Veröffentlicht: (2025)

A Semi Black-Box Adversarial Bit-Flip Attack with Limited DNN Model Information
von: Ghavami, Behnam, et al.
Veröffentlicht: (2024)

ViT-EnsembleAttack: Augmenting Ensemble Models for Stronger Adversarial Transferability in Vision Transformers
von: Cao, Hanwen, et al.
Veröffentlicht: (2025)

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

Indirect Prompt Injections: Are Firewalls All You Need, or Stronger Benchmarks?
von: Bhagwatkar, Rishika, et al.
Veröffentlicht: (2025)

The Communication-Friendly Privacy-Preserving Machine Learning against Malicious Adversaries
von: Lu, Tianpei, et al.
Veröffentlicht: (2024)

Robustness Against Adversarial Attacks via Learning Confined Adversarial Polytopes
von: Hamidi, Shayan Mohajer, et al.
Veröffentlicht: (2024)

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

Diffusion-Guided Adversarial Perturbation Injection for Generalizable Defense Against Facial Manipulations
von: Li, Yue, et al.
Veröffentlicht: (2026)

DUAP: Dual-task Universal Adversarial Perturbations Against Voice Control Systems
von: Sun, Suyang, et al.
Veröffentlicht: (2026)

N-output Mechanism: Estimating Statistical Information from Numerical Data under Local Differential Privacy
von: Baek, Incheol, et al.
Veröffentlicht: (2025)

Position: Towards Resilience Against Adversarial Examples
von: Dai, Sihui, et al.
Veröffentlicht: (2024)

Benchmarking Misuse Mitigation Against Covert Adversaries
von: Brown, Davis, et al.
Veröffentlicht: (2025)

Privacy on the Fly: A Predictive Adversarial Transformation Network for Mobile Sensor Data
von: Song, Tianle, et al.
Veröffentlicht: (2025)

Noisy Networks, Nosy Neighbors: Simple Privacy Attacks Against Residential Wireless Traffic
von: Roszeitis, Arne, et al.
Veröffentlicht: (2026)

CSVAR: Enhancing Visual Privacy in Federated Learning via Adaptive Shuffling Against Overfitting
von: Chen, Zhuo, et al.
Veröffentlicht: (2025)

Learning-based Privacy-Preserving Graph Publishing Against Sensitive Link Inference Attacks
von: Wu, Yucheng, et al.
Veröffentlicht: (2025)

SAGE: Sample-Aware Guarding Engine for Robust Intrusion Detection Against Adversarial Attacks
von: Chen, Jing, et al.
Veröffentlicht: (2025)

Vulnerability Disclosure through Adaptive Black-Box Adversarial Attacks on NIDS
von: Ennaji, Sabrine, et al.
Veröffentlicht: (2025)

Towards Privacy-Preserving Split Learning: Destabilizing Adversarial Inference and Reconstruction Attacks in the Cloud
von: Higgins, Griffin, et al.
Veröffentlicht: (2025)