:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Jinyin, Mu, Wenbo, Zhang, Luxin, Huang, Guohan, Zheng, Haibin, Cheng, Yao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2411.02809
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Robust Knowledge Distillation Based on Feature Variance Against Backdoored Teacher Model
von: Chen, Jinyin, et al.
Veröffentlicht: (2024)

Double Whammy: Stealthy Data Manipulation aided Reconstruction Attack on Graph Federated Learning
von: Chen, Jinyin, et al.
Veröffentlicht: (2024)

HashVFL: Defending Against Data Reconstruction Attacks in Vertical Federated Learning
von: Qiu, Pengyu, et al.
Veröffentlicht: (2022)

Privacy Against Agnostic Inference Attacks in Vertical Federated Learning
von: Varasteh, Morteza
Veröffentlicht: (2023)

Backdoor Attack on Vertical Federated Graph Neural Network Learning
von: Yang, Jirui, et al.
Veröffentlicht: (2024)

PRIVEE: Privacy-Preserving Vertical Federated Learning Against Feature Inference Attacks
von: Madabushi, Sindhuja, et al.
Veröffentlicht: (2025)

VGFL-SA: Vertical Graph Federated Learning Structure Attack Based on Contrastive Learning
von: Chen, Yang, et al.
Veröffentlicht: (2025)

KDk: A Defense Mechanism Against Label Inference Attacks in Vertical Federated Learning
von: Arazzi, Marco, et al.
Veröffentlicht: (2024)

How to Defend Against Large-scale Model Poisoning Attacks in Federated Learning: A Vertical Solution
von: Wang, Jinbo, et al.
Veröffentlicht: (2024)

URVFL: Undetectable Data Reconstruction Attack on Vertical Federated Learning
von: Yao, Duanyi, et al.
Veröffentlicht: (2024)

Latent Geometric Chords for Query-Efficient Decision-Based Adversarial Attacks
von: Khine, Ei Hmue, et al.
Veröffentlicht: (2026)

Simple and Efficient Partial Graph Adversarial Attack: A New Perspective
von: Zhu, Guanghui, et al.
Veröffentlicht: (2023)

Hide and Find: A Distributed Adversarial Attack on Federated Graph Learning
von: Liu, Jinshan, et al.
Veröffentlicht: (2026)

Fight Perturbations with Perturbations: Defending Adversarial Attacks via Neuron Influence
von: Chen, Ruoxi, et al.
Veröffentlicht: (2021)

Adversarially Guided Stateful Defense Against Backdoor Attacks in Federated Deep Learning
von: Ali, Hassan, et al.
Veröffentlicht: (2024)

LEA: Label Enumeration Attack in Vertical Federated Learning
von: Jiang, Wenhao, et al.
Veröffentlicht: (2026)

TA3: Testing Against Adversarial Attacks on Machine Learning Models
von: Jin, Yuanzhe, et al.
Veröffentlicht: (2024)

Robustness Against Adversarial Attacks via Learning Confined Adversarial Polytopes
von: Hamidi, Shayan Mohajer, et al.
Veröffentlicht: (2024)

ADI: Adversarial Dominating Inputs in Vertical Federated Learning Systems
von: Pang, Qi, et al.
Veröffentlicht: (2022)

Backdoor or Manipulation? Graph Mixture of Experts Can Defend Against Various Graph Adversarial Attacks
von: Feng, Yuyuan, et al.
Veröffentlicht: (2025)

UIFV: Data Reconstruction Attack in Vertical Federated Learning
von: Yang, Jirui, et al.
Veröffentlicht: (2024)

Adversarial Attacks on Fairness of Graph Neural Networks
von: Zhang, Binchi, et al.
Veröffentlicht: (2023)

Gradient Purification: Defense Against Poisoning Attack in Decentralized Federated Learning
von: Li, Bin, et al.
Veröffentlicht: (2025)

Adversarial Graph Disentanglement
von: Zheng, Shuai, et al.
Veröffentlicht: (2021)

A New Federated Learning Framework Against Gradient Inversion Attacks
von: Guo, Pengxin, et al.
Veröffentlicht: (2024)

An Empirical Analysis of Federated Learning Models Subject to Label-Flipping Adversarial Attack
von: Bhatnagar, Kunal, et al.
Veröffentlicht: (2024)

GJDNet: Robust Graph Neural Networks via Joint Disentangled Learning Against Adversarial Attacks
von: Cui, Canyixing, et al.
Veröffentlicht: (2026)

Temporal Analysis of Adversarial Attacks in Federated Learning
von: Mapakshi, Rohit, et al.
Veröffentlicht: (2025)

On the Robustness of Adversarial Training Against Uncertainty Attacks
von: Ledda, Emanuele, et al.
Veröffentlicht: (2024)

Cooperative Decentralized Backdoor Attacks on Vertical Federated Learning
von: Lee, Seohyun, et al.
Veröffentlicht: (2025)

SemiAdv: Query-Efficient Black-Box Adversarial Attack with Unlabeled Images
von: Fan, Mingyuan, et al.
Veröffentlicht: (2024)

BruSLeAttack: A Query-Efficient Score-Based Black-Box Sparse Adversarial Attack
von: Vo, Viet Quoc, et al.
Veröffentlicht: (2024)

Constructing Adversarial Examples for Vertical Federated Learning: Optimal Client Corruption through Multi-Armed Bandit
von: Yao, Duanyi, et al.
Veröffentlicht: (2024)

Instruction Backdoor Attacks Against Customized LLMs
von: Zhang, Rui, et al.
Veröffentlicht: (2024)

Enhancing Adversarial Attacks via Parameter Adaptive Adversarial Attack
von: Jin, Zhibo, et al.
Veröffentlicht: (2024)

Adversarial Attacks Against Deep Learning-Based Radio Frequency Fingerprint Identification
von: Ma, Jie, et al.
Veröffentlicht: (2025)

Evaluating Adversarial Attacks on Federated Learning for Temperature Forecasting
von: Chichifoi, Karina, et al.
Veröffentlicht: (2025)

Dynamic Label Adversarial Training for Deep Learning Robustness Against Adversarial Attacks
von: Liu, Zhenyu, et al.
Veröffentlicht: (2024)

Comments on "Privacy-Enhanced Federated Learning Against Poisoning Adversaries"
von: Schneider, Thomas, et al.
Veröffentlicht: (2024)