Buchumschlag

Watermarking Recommender Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Sixiao, Long, Cheng, Yuan, Wei, Chen, Hongxu, Yin, Hongzhi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Information Retrieval Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Data Watermarking for Sequential Recommender Systems
von: Zhang, Sixiao, et al.
Veröffentlicht: (2024)

Unveiling Vulnerabilities of Contrastive Recommender Systems to Poisoning Attacks
von: Wang, Zongwei, et al.
Veröffentlicht: (2023)

Manipulating Recommender Systems: A Survey of Poisoning Attacks and Countermeasures
von: Nguyen, Thanh Toan, et al.
Veröffentlicht: (2024)

Tackling Data Heterogeneity in Federated Time Series Forecasting
von: Yuan, Wei, et al.
Veröffentlicht: (2024)

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

Poisoning Attacks and Defenses in Recommender Systems: A Survey
von: Wang, Zongwei, et al.
Veröffentlicht: (2024)

Few-shot Model Extraction Attacks against Sequential Recommender Systems
von: Zhang, Hui, et al.
Veröffentlicht: (2024)

Poisoning Decentralized Collaborative Recommender System and Its Countermeasures
von: Zheng, Ruiqi, et al.
Veröffentlicht: (2024)

Mask-based Membership Inference Attacks for Retrieval-Augmented Generation
von: Liu, Mingrui, et al.
Veröffentlicht: (2024)

Green-Red Watermarking for Recommender Systems
von: Zhou, Lei, et al.
Veröffentlicht: (2026)

A Privacy Preserving System for Movie Recommendations Using Federated Learning
von: Neumann, David, et al.
Veröffentlicht: (2023)

Preserving Privacy and Utility in LLM-Based Product Recommendations
von: Khezresmaeilzadeh, Tina, et al.
Veröffentlicht: (2025)

Poisoning Deep Learning Based Recommender Model in Federated Learning Scenarios
von: Rong, Dazhong, et al.
Veröffentlicht: (2022)

Towards Differential Privacy in Sequential Recommendation: A Noisy Graph Neural Network Approach
von: Hu, Wentao, et al.
Veröffentlicht: (2023)

LazyDP: Co-Designing Algorithm-Software for Scalable Training of Differentially Private Recommendation Models
von: Lim, Juntaek, et al.
Veröffentlicht: (2024)

Adversarial Text Rewriting for Text-aware Recommender Systems
von: Oh, Sejoon, et al.
Veröffentlicht: (2024)

Advancing Recommender Systems by mitigating Shilling attacks
von: Chichani, Aditya, et al.
Veröffentlicht: (2024)

On Mitigating Data Sparsity in Conversational Recommender Systems
von: Zhang, Sixiao, et al.
Veröffentlicht: (2025)

Multi-Resolution Diffusion for Privacy-Sensitive Recommender Systems
von: Lilienthal, Derek, et al.
Veröffentlicht: (2023)

Multi-granular Adversarial Attacks against Black-box Neural Ranking Models
von: Liu, Yu-An, et al.
Veröffentlicht: (2024)

Differentially Private Graph Diffusion with Applications in Personalized PageRanks
von: Wei, Rongzhe, et al.
Veröffentlicht: (2024)

Practical Poisoning Attacks against Retrieval-Augmented Generation
von: Zhang, Baolei, et al.
Veröffentlicht: (2025)

Secure Retrieval-Augmented Generation against Poisoning Attacks
von: Cheng, Zirui, et al.
Veröffentlicht: (2025)

Who Taught the Lie? Responsibility Attribution for Poisoned Knowledge in Retrieval-Augmented Generation
von: Zhang, Baolei, et al.
Veröffentlicht: (2025)

DM4Steal: Diffusion Model For Link Stealing Attack On Graph Neural Networks
von: Chen, Jinyin, et al.
Veröffentlicht: (2024)

Randomized algorithms for precise measurement of differentially-private, personalized recommendations
von: Laro, Allegra, et al.
Veröffentlicht: (2023)

Membership Inference Attacks on LLM-based Recommender Systems
von: He, Jiajie, et al.
Veröffentlicht: (2025)

Benchmarking Poisoning Attacks against Retrieval-Augmented Generation
von: Zhang, Baolei, et al.
Veröffentlicht: (2025)

AgentPoison: Red-teaming LLM Agents via Poisoning Memory or Knowledge Bases
von: Chen, Zhaorun, et al.
Veröffentlicht: (2024)

Traceback of Poisoning Attacks to Retrieval-Augmented Generation
von: Zhang, Baolei, et al.
Veröffentlicht: (2025)

Training Differentially Private Ad Prediction Models with Semi-Sensitive Features
von: Chua, Lynn, et al.
Veröffentlicht: (2024)

RAID: An In-Training Defense against Attribute Inference Attacks in Recommender Systems
von: Feng, Xiaohua, et al.
Veröffentlicht: (2025)

Adversarial Attacks to Multi-Modal Models
von: Dou, Zhihao, et al.
Veröffentlicht: (2024)

How to Forget Clients in Federated Online Learning to Rank?
von: Wang, Shuyi, et al.
Veröffentlicht: (2024)

HGAttack: Transferable Heterogeneous Graph Adversarial Attack
von: Zhao, He, et al.
Veröffentlicht: (2024)

Effective and secure federated online learning to rank
von: Wang, Shuyi
Veröffentlicht: (2024)

AI-Driven Guided Response for Security Operation Centers with Microsoft Copilot for Security
von: Freitas, Scott, et al.
Veröffentlicht: (2024)

POST: Email Archival, Processing and Flagging Stack for Incident Responders
von: Fairbanks, Jeffrey
Veröffentlicht: (2024)

Privacy-preserving recommender system using the data collaboration analysis for distributed datasets
von: Yanagi, Tomoya, et al.
Veröffentlicht: (2024)

Auditing Privacy in Multi-Tenant RAG under Account Collusion
von: Burnat, Florian A. D.
Veröffentlicht: (2026)