Buchumschlag

Risks When Sharing LoRA Fine-Tuned Diffusion Model Weights

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Yao, Dixi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Cryptography and Security Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MOLM: Mixture of LoRA Markers
von: Fares, Samar, et al.
Veröffentlicht: (2025)

LoREnc: Low-Rank Encryption for Securing Foundation Models and LoRA Adapters
von: Ahn, Beomjin, et al.
Veröffentlicht: (2026)

StolenLoRA: Exploring LoRA Extraction Attacks via Synthetic Data
von: Wang, Yixu, et al.
Veröffentlicht: (2025)

Recovering the Pre-Fine-Tuning Weights of Generative Models
von: Horwitz, Eliahu, et al.
Veröffentlicht: (2024)

DP-RDM: Adapting Diffusion Models to Private Domains Without Fine-Tuning
von: Lebensold, Jonathan, et al.
Veröffentlicht: (2024)

LoRA-FAIR: Federated LoRA Fine-Tuning with Aggregation and Initialization Refinement
von: Bian, Jieming, et al.
Veröffentlicht: (2024)

Unstable Unlearning: The Hidden Risk of Concept Resurgence in Diffusion Models
von: Suriyakumar, Vinith M., et al.
Veröffentlicht: (2024)

Leaner Training, Lower Leakage: Revisiting Memorization in LLM Fine-Tuning with LoRA
von: Wang, Fei, et al.
Veröffentlicht: (2025)

Enhancing Privacy in ControlNet and Stable Diffusion via Split Learning
von: Yao, Dixi
Veröffentlicht: (2024)

What Lurks Within? Concept Auditing for Shared Diffusion Models at Scale
von: Yuan, Xiaoyong, et al.
Veröffentlicht: (2025)

VillanDiffusion: A Unified Backdoor Attack Framework for Diffusion Models
von: Chou, Sheng-Yen, et al.
Veröffentlicht: (2023)

DiffusionShield: A Watermark for Copyright Protection against Generative Diffusion Models
von: Cui, Yingqian, et al.
Veröffentlicht: (2023)

On the Multi-modal Vulnerability of Diffusion Models
von: Yang, Dingcheng, et al.
Veröffentlicht: (2024)

Invisible Backdoor Attacks on Diffusion Models
von: Li, Sen, et al.
Veröffentlicht: (2024)

Shallow Diffuse: Robust and Invisible Watermarking through Low-Dimensional Subspaces in Diffusion Models
von: Li, Wenda, et al.
Veröffentlicht: (2024)

Diffence: Fencing Membership Privacy With Diffusion Models
von: Peng, Yuefeng, et al.
Veröffentlicht: (2023)

Tuning for Two Adversaries: Enhancing the Robustness Against Transfer and Query-Based Attacks using Hyperparameter Tuning
von: Zimmer, Pascal, et al.
Veröffentlicht: (2025)

Extracting Training Data from Unconditional Diffusion Models
von: Chen, Yunhao, et al.
Veröffentlicht: (2024)

Identity-Focused Inference and Extraction Attacks on Diffusion Models
von: Vora, Jayneel, et al.
Veröffentlicht: (2024)

Robust Classification via a Single Diffusion Model
von: Chen, Huanran, et al.
Veröffentlicht: (2023)

PriSampler: Mitigating Property Inference of Diffusion Models
von: Hu, Hailong, et al.
Veröffentlicht: (2023)

Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable
von: Liu, Haozhe, et al.
Veröffentlicht: (2024)

R-TPT: Improving Adversarial Robustness of Vision-Language Models through Test-Time Prompt Tuning
von: Sheng, Lijun, et al.
Veröffentlicht: (2025)

ViT Enhanced Privacy-Preserving Secure Medical Data Sharing and Classification
von: Amin, Al, et al.
Veröffentlicht: (2024)

AMCR: A Framework for Assessing and Mitigating Copyright Risks in Generative Models
von: Yin, Zhipeng, et al.
Veröffentlicht: (2025)

SIDE: Surrogate Conditional Data Extraction from Diffusion Models
von: Chen, Yunhao, et al.
Veröffentlicht: (2024)

DisDet: Exploring Detectability of Backdoor Attack on Diffusion Models
von: Sui, Yang, et al.
Veröffentlicht: (2024)

RAPID: Retrieval Augmented Training of Differentially Private Diffusion Models
von: Jiang, Tanqiu, et al.
Veröffentlicht: (2025)

Explainable Adversarial Attacks on Coarse-to-Fine Classifiers
von: Heidarizadeh, Akram, et al.
Veröffentlicht: (2025)

Navigating Heterogeneity and Privacy in One-Shot Federated Learning with Diffusion Models
von: Mendieta, Matias, et al.
Veröffentlicht: (2024)

Learning Differentially Private Diffusion Models via Stochastic Adversarial Distillation
von: Liu, Bochao, et al.
Veröffentlicht: (2024)

The Devil's Advocate: Shattering the Illusion of Unexploitable Data using Diffusion Models
von: Dolatabadi, Hadi M., et al.
Veröffentlicht: (2023)

NoisePrints: Distortion-Free Watermarks for Authorship in Private Diffusion Models
von: Goren, Nir, et al.
Veröffentlicht: (2025)

DIAGNOSIS: Detecting Unauthorized Data Usages in Text-to-image Diffusion Models
von: Wang, Zhenting, et al.
Veröffentlicht: (2023)

Towards Resilient Safety-driven Unlearning for Diffusion Models against Downstream Fine-tuning
von: Li, Boheng, et al.
Veröffentlicht: (2025)

UFID: A Unified Framework for Input-level Backdoor Detection on Diffusion Models
von: Guan, Zihan, et al.
Veröffentlicht: (2024)

VIDSTAMP: A Temporally-Aware Watermark for Ownership and Integrity in Video Diffusion Models
von: Teymoorianfard, Mohammadreza, et al.
Veröffentlicht: (2025)

Weight space Detection of Backdoors in LoRA Adapters
von: Merenciano, David Puertolas, et al.
Veröffentlicht: (2026)

Assessing Neural Network Robustness via Adversarial Pivotal Tuning
von: Christensen, Peter Ebert, et al.
Veröffentlicht: (2022)

Unveiling and Mitigating Backdoor Vulnerabilities based on Unlearning Weight Changes and Backdoor Activeness
von: Lin, Weilin, et al.
Veröffentlicht: (2024)