Buchumschlag

A General Framework for Data-Use Auditing of ML Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Zonghao, Gong, Neil Zhenqiang, Reiter, Michael K.
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

Instance-Level Data-Use Auditing of Visual ML Models
von: Huang, Zonghao, et al.
Veröffentlicht: (2025)

Mudjacking: Patching Backdoor Vulnerabilities in Foundation Models
von: Liu, Hongbin, et al.
Veröffentlicht: (2024)

Concealing Backdoor Model Updates in Federated Learning by Trigger-Optimized Data Poisoning
von: Zhang, Yujie, et al.
Veröffentlicht: (2024)

Competitive Advantage Attacks to Decentralized Federated Learning
von: Jia, Yuqi, et al.
Veröffentlicht: (2023)

Poisoned-MRAG: Knowledge Poisoning Attacks to Multimodal Retrieval Augmented Generation
von: Liu, Yinuo, et al.
Veröffentlicht: (2025)

A Transfer Attack to Image Watermarks
von: Hu, Yuepeng, et al.
Veröffentlicht: (2024)

Link Stealing Attacks Against Inductive Graph Neural Networks
von: Wu, Yixin, et al.
Veröffentlicht: (2024)

SpinML: Customized Synthetic Data Generation for Private Training of Specialized ML Models
von: Zhang, Jiang, et al.
Veröffentlicht: (2025)

A Survey on Model Extraction Attacks and Defenses for Large Language Models
von: Zhao, Kaixiang, et al.
Veröffentlicht: (2025)

Poisoning Federated Recommender Systems with Fake Users
von: Yin, Ming, et al.
Veröffentlicht: (2024)

CorruptEncoder: Data Poisoning based Backdoor Attacks to Contrastive Learning
von: Zhang, Jinghuai, et al.
Veröffentlicht: (2022)

Robust Federated Learning Mitigates Client-side Training Data Distribution Inference Attacks
von: Xu, Yichang, et al.
Veröffentlicht: (2024)

A Survey of Model Extraction Attacks and Defenses in Distributed Computing Environments
von: Zhao, Kaixiang, et al.
Veröffentlicht: (2025)

A Systematic Survey of Model Extraction Attacks and Defenses: State-of-the-Art and Perspectives
von: Zhao, Kaixiang, et al.
Veröffentlicht: (2025)

Provably Robust Federated Reinforcement Learning
von: Fang, Minghong, et al.
Veröffentlicht: (2025)

The Impact of Exposed Passwords on Honeyword Efficacy
von: Huang, Zonghao, et al.
Veröffentlicht: (2023)

Securing Visually-Aware Recommender Systems: An Adversarial Image Reconstruction and Detection Framework
von: Yin, Minglei, et al.
Veröffentlicht: (2023)

Enhancing Prompt Injection Attacks to LLMs via Poisoning Alignment
von: Shao, Zedian, et al.
Veröffentlicht: (2024)

Refusing Safe Prompts for Multi-modal Large Language Models
von: Shao, Zedian, et al.
Veröffentlicht: (2024)

Visual Privacy Auditing with Diffusion Models
von: Schwethelm, Kristian, et al.
Veröffentlicht: (2024)

Synth-MIA: A Testbed for Auditing Privacy Leakage in Tabular Data Synthesis
von: Ward, Joshua, et al.
Veröffentlicht: (2025)

Leave My Images Alone: Preventing Multi-Modal Large Language Models from Analyzing Images via Visual Prompt Injection
von: Shao, Zedian, et al.
Veröffentlicht: (2026)

Audit to Forget: A Unified Method to Revoke Patients' Private Data in Intelligent Healthcare
von: Zhou, Juexiao, et al.
Veröffentlicht: (2023)

AudioMarkBench: Benchmarking Robustness of Audio Watermarking
von: Liu, Hongbin, et al.
Veröffentlicht: (2024)

Certifiably Robust Image Watermark
von: Jiang, Zhengyuan, et al.
Veröffentlicht: (2024)

Formalizing and Benchmarking Prompt Injection Attacks and Defenses
von: Liu, Yupei, et al.
Veröffentlicht: (2023)

Synthetic Artifact Auditing: Tracing LLM-Generated Synthetic Data Usage in Downstream Applications
von: Wu, Yixin, et al.
Veröffentlicht: (2025)

Improving ML Attacks on LWE with Data Repetition and Stepwise Regression
von: Alfarano, Alberto, et al.
Veröffentlicht: (2026)

Who Audits the Auditor? Tamper-Proof Fraud Detection with Blockchain-Anchored Explainable ML
von: Wang, Zhaohui
Veröffentlicht: (2026)

Fair Play for Individuals, Foul Play for Groups? Auditing Anonymization's Impact on ML Fairness
von: Arcolezi, Héber H., et al.
Veröffentlicht: (2025)

Generation of Human Comprehensible Access Control Policies from Audit Logs
von: Kumar, Gautam, et al.
Veröffentlicht: (2026)

ObliInjection: Order-Oblivious Prompt Injection Attack to LLM Agents with Multi-source Data
von: Wang, Reachal, et al.
Veröffentlicht: (2025)

PANORAMIA: Privacy Auditing of Machine Learning Models without Retraining
von: Kazmi, Mishaal, et al.
Veröffentlicht: (2024)

Toward a Multi-Layer ML-Based Security Framework for Industrial IoT
von: Bouferroum, Aymen, et al.
Veröffentlicht: (2026)

Observational Auditing of Label Privacy
von: Kalemaj, Iden, et al.
Veröffentlicht: (2025)

EditTrack: Detecting and Attributing AI-assisted Image Editing
von: Jiang, Zhengyuan, et al.
Veröffentlicht: (2025)

Tighter Privacy Auditing of DP-SGD in the Hidden State Threat Model
von: Cebere, Tudor, et al.
Veröffentlicht: (2024)

Generated Data with Fake Privacy: Hidden Dangers of Fine-tuning Large Language Models on Generated Data
von: Akkus, Atilla, et al.
Veröffentlicht: (2024)

Model Poisoning Attacks to Federated Learning via Multi-Round Consistency
von: Xie, Yueqi, et al.
Veröffentlicht: (2024)

PromptRobust: Towards Evaluating the Robustness of Large Language Models on Adversarial Prompts
von: Zhu, Kaijie, et al.
Veröffentlicht: (2023)