Buchumschlag

Is Difficulty Calibration All We Need? Towards More Practical Membership Inference Attacks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	He, Yu, Li, Boheng, Wang, Yao, Yang, Mengda, Wang, Juan, Hu, Hongxin, Zhao, Xingyu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning-Based Difficulty Calibration for Enhanced Membership Inference Attacks
von: Shi, Haonan, et al.
Veröffentlicht: (2024)

Towards Label-Only Membership Inference Attack against Pre-trained Large Language Models
von: He, Yu, et al.
Veröffentlicht: (2025)

A Stealthy Wrongdoer: Feature-Oriented Reconstruction Attack against Split Learning
von: Xu, Xiaoyang, et al.
Veröffentlicht: (2024)

Shadow-Free Membership Inference Attacks: Recommender Systems Are More Vulnerable Than You Thought
von: Chi, Xiaoxiao, et al.
Veröffentlicht: (2024)

Black-Box Membership Inference Attack for LVLMs via Prior Knowledge-Calibrated Memory Probing
von: Yin, Jinhua, et al.
Veröffentlicht: (2025)

From Head to Tail: Efficient Black-box Model Inversion Attack via Long-tailed Learning
von: Li, Ziang, et al.
Veröffentlicht: (2025)

When Reasoning Leaks Membership: Membership Inference Attack on Black-box Large Reasoning Models
von: Hu, Ruihan, et al.
Veröffentlicht: (2026)

Practical Bayes-Optimal Membership Inference Attacks
von: Lassila, Marcus, et al.
Veröffentlicht: (2025)

Membership Inference Attacks and Defenses in Federated Learning: A Survey
von: Bai, Li, et al.
Veröffentlicht: (2024)

Membership Inference Attack with Partial Features
von: Wang, Xurun, et al.
Veröffentlicht: (2025)

White-box Membership Inference Attacks against Diffusion Models
von: Pang, Yan, et al.
Veröffentlicht: (2023)

Rethinking Membership Inference Attacks Against Transfer Learning
von: Wu, Cong, et al.
Veröffentlicht: (2025)

United We Defend: Collaborative Membership Inference Defenses in Federated Learning
von: Bai, Li, et al.
Veröffentlicht: (2026)

Reference Recommendation based Membership Inference Attack against Hybrid-based Recommender Systems
von: Chi, Xiaoxiao, et al.
Veröffentlicht: (2025)

Membership Inference Attack Against Masked Image Modeling
von: Li, Zheng, et al.
Veröffentlicht: (2024)

Practical Membership Inference Attacks against Fine-tuned Large Language Models via Self-prompt Calibration
von: Fu, Wenjie, et al.
Veröffentlicht: (2023)

FedMIA: An Effective Membership Inference Attack Exploiting "All for One" Principle in Federated Learning
von: Zhu, Gongxi, et al.
Veröffentlicht: (2024)

Black-box Membership Inference Attacks against Fine-tuned Diffusion Models
von: Pang, Yan, et al.
Veröffentlicht: (2023)

BudgetLeak: Membership Inference Attacks on RAG Systems via the Generation Budget Side Channel
von: Li, Hao, et al.
Veröffentlicht: (2025)

Membership Inference Attacks Against Vision-Language Models
von: Hu, Yuke, et al.
Veröffentlicht: (2025)

Generating Is Believing: Membership Inference Attacks against Retrieval-Augmented Generation
von: Li, Yuying, et al.
Veröffentlicht: (2024)

Ensembling Membership Inference Attacks Against Tabular Generative Models
von: Ward, Joshua, et al.
Veröffentlicht: (2025)

Imitative Membership Inference Attack
von: Du, Yuntao, et al.
Veröffentlicht: (2025)

MRMMIA: Membership Inference Attacks on Memory in Chat Agents
von: Chen, Kai, et al.
Veröffentlicht: (2026)

Membership Inference Attacks on Vision-Language-Action Models
von: Peng, Yuefeng, et al.
Veröffentlicht: (2026)

Membership Inference Attacks Against In-Context Learning
von: Wen, Rui, et al.
Veröffentlicht: (2024)

Pop Quiz Attack: Black-box Membership Inference Attacks Against Large Language Models
von: Chen, Zeyuan, et al.
Veröffentlicht: (2026)

SeqMIA: Sequential-Metric Based Membership Inference Attack
von: Li, Hao, et al.
Veröffentlicht: (2024)

Membership Inference Attacks on Sequence Models
von: Rossi, Lorenzo, et al.
Veröffentlicht: (2025)

Membership Inference Attacks for Unseen Classes
von: Thaker, Pratiksha, et al.
Veröffentlicht: (2025)

Membership Inference Attacks Beyond Overfitting
von: Khalil, Mona, et al.
Veröffentlicht: (2025)

Cascading and Proxy Membership Inference Attacks
von: Du, Yuntao, et al.
Veröffentlicht: (2025)

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

Membership Inference Attacks Against Video Large Language Models
von: Song, Wei, et al.
Veröffentlicht: (2026)

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

Mitigating Privacy Risk in Membership Inference by Convex-Concave Loss
von: Liu, Zhenlong, et al.
Veröffentlicht: (2024)

Neighborhood Blending: A Lightweight Inference-Time Defense Against Membership Inference Attacks
von: Zafar, Osama, et al.
Veröffentlicht: (2026)

Membership Inference Attacks on Large-Scale Models: A Survey
von: Wu, Hengyu, et al.
Veröffentlicht: (2025)

Evaluating the Defense Potential of Machine Unlearning against Membership Inference Attacks
von: Tsiolakis, Theodoros, et al.
Veröffentlicht: (2025)

On the Impact of Uncertainty and Calibration on Likelihood-Ratio Membership Inference Attacks
von: Zhu, Meiyi, et al.
Veröffentlicht: (2024)