Buchumschlag

Zero-shot Class Unlearning via Layer-wise Relevance Analysis and Neuronal Path Perturbation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chang, Wenhan, Zhu, Tianqing, Xiong, Ping, Wu, Yufeng, Guan, Faqian, Zhou, Wanlei
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Unreal Thinking: Chain-of-Thought Hijacking via Two-stage Backdoor
von: Chang, Wenhan, et al.
Veröffentlicht: (2026)

Large Language Models Merging for Enhancing the Link Stealing Attack on Graph Neural Networks
von: Guan, Faqian, et al.
Veröffentlicht: (2024)

Really Unlearned? Verifying Machine Unlearning via Influential Sample Pairs
von: Xu, Heng, et al.
Veröffentlicht: (2024)

Evaluating of Machine Unlearning: Robustness Verification Without Prior Modifications
von: Xu, Heng, et al.
Veröffentlicht: (2024)

Chain-of-Lure: A Universal Jailbreak Attack Framework using Unconstrained Synthetic Narratives
von: Chang, Wenhan, et al.
Veröffentlicht: (2025)

Large Language Models for Link Stealing Attacks Against Graph Neural Networks
von: Guan, Faqian, et al.
Veröffentlicht: (2024)

Don't Forget Too Much: Towards Machine Unlearning on Feature Level
von: Xu, Heng, et al.
Veröffentlicht: (2024)

Large Language Model Federated Learning with Blockchain and Unlearning for Cross-Organizational Collaboration
von: Zuo, Xuhan, et al.
Veröffentlicht: (2024)

When Machine Unlearning Meets Retrieval-Augmented Generation (RAG): Keep Secret or Forget Knowledge?
von: Wang, Shang, et al.
Veröffentlicht: (2024)

Defending Against Neural Network Model Inversion Attacks via Data Poisoning
von: Zhou, Shuai, et al.
Veröffentlicht: (2024)

Towards Efficient Target-Level Machine Unlearning Based on Essential Graph
von: Xu, Heng, et al.
Veröffentlicht: (2024)

A Survey on Machine Unlearning: Techniques and New Emerged Privacy Risks
von: Liu, Hengzhu, et al.
Veröffentlicht: (2024)

Federated TrustChain: Blockchain-Enhanced LLM Training and Unlearning
von: Zuo, Xuhan, et al.
Veröffentlicht: (2024)

Forgetting Similar Samples: Can Machine Unlearning Do it Better?
von: Xu, Heng, et al.
Veröffentlicht: (2026)

Reinforcement Unlearning
von: Ye, Dayong, et al.
Veröffentlicht: (2023)

QUEEN: Query Unlearning against Model Extraction
von: Chen, Huajie, et al.
Veröffentlicht: (2024)

Update Selective Parameters: Federated Machine Unlearning Based on Model Explanation
von: Xu, Heng, et al.
Veröffentlicht: (2024)

Safety Context Injection: Inference-Time Safety Alignment via Static Filtering and Agentic Analysis
von: Xu, Zhenhao, et al.
Veröffentlicht: (2026)

Hide&Seek: Remove Image Watermarks with Negligible Cost via Pixel-wise Reconstruction
von: Chen, Huajie, et al.
Veröffentlicht: (2026)

Data Duplication: A Novel Multi-Purpose Attack Paradigm in Machine Unlearning
von: Ye, Dayong, et al.
Veröffentlicht: (2025)

When LLMs Team Up: A Coordinated Attack Framework for Automated Cyber Intrusions
von: Qi, Minfeng, et al.
Veröffentlicht: (2026)

Privacy Intelligence: A Survey on Image Privacy in Online Social Networks
von: Liu, Chi, et al.
Veröffentlicht: (2020)

The Emerged Security and Privacy of LLM Agent: A Survey with Case Studies
von: He, Feng, et al.
Veröffentlicht: (2024)

Frequency Bias Matters: Diving into Robust and Generalized Deep Image Forgery Detection
von: Liu, Chi, et al.
Veröffentlicht: (2025)

Towards Robust GAN-generated Image Detection: a Multi-view Completion Representation
von: Liu, Chi, et al.
Veröffentlicht: (2023)

Towards Transparent and Incentive-Compatible Collaboration in Decentralized LLM Multi-Agent Systems: A Blockchain-Driven Approach
von: Qi, Minfeng, et al.
Veröffentlicht: (2025)

Federated Learning with Blockchain-Enhanced Machine Unlearning: A Trustworthy Approach
von: Zuo, Xuhan, et al.
Veröffentlicht: (2024)

Unique Security and Privacy Threats of Large Language Models: A Comprehensive Survey
von: Wang, Shang, et al.
Veröffentlicht: (2024)

Poisoning the Pixels: Revisiting Backdoor Attacks on Semantic Segmentation
von: Zhang, Guangsheng, et al.
Veröffentlicht: (2026)

Linkage on Security, Privacy and Fairness in Federated Learning: New Balances and New Perspectives
von: Wang, Linlin, et al.
Veröffentlicht: (2024)

CSC: Turning the Adversary's Poison against Itself
von: Shi, Yuchen, et al.
Veröffentlicht: (2026)

Bias Amplification in RAG: Poisoning Knowledge Retrieval to Steer LLMs
von: Wang, Linlin, et al.
Veröffentlicht: (2025)

When Fairness Meets Privacy: Exploring Privacy Threats in Fair Binary Classifiers via Membership Inference Attacks
von: Tian, Huan, et al.
Veröffentlicht: (2023)

Path-wise Vulnerability Mitigation
von: Huang, Zhen, et al.
Veröffentlicht: (2024)

FedSGT: Exact Federated Unlearning via Sequential Group-based Training
von: Zhang, Bokang, et al.
Veröffentlicht: (2025)

Secure Forgetting: A Framework for Privacy-Driven Unlearning in Large Language Model (LLM)-Based Agents
von: Ye, Dayong, et al.
Veröffentlicht: (2026)

How Does a Deep Learning Model Architecture Impact Its Privacy? A Comprehensive Study of Privacy Attacks on CNNs and Transformers
von: Zhang, Guangsheng, et al.
Veröffentlicht: (2022)

Data-Free Model-Related Attacks: Unleashing the Potential of Generative AI
von: Ye, Dayong, et al.
Veröffentlicht: (2025)

Zero-shot Generative Linguistic Steganography
von: Lin, Ke, et al.
Veröffentlicht: (2024)

BURN: Backdoor Unlearning via Adversarial Boundary Analysis
von: Su, Yanghao, et al.
Veröffentlicht: (2025)