Buchumschlag

PrivDiffuser: Privacy-Guided Diffusion Model for Data Obfuscation in Sensor Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Xin, Ardakanian, Omid
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CLOAK: Contrastive Guidance for Latent Diffusion-Based Data Obfuscation
von: Yang, Xin, et al.
Veröffentlicht: (2025)

Efficient Privacy-Preserving Cross-Silo Federated Learning with Multi-Key Homomorphic Encryption
von: Omar, Abdullah Al, et al.
Veröffentlicht: (2025)

Visual Privacy Auditing with Diffusion Models
von: Schwethelm, Kristian, et al.
Veröffentlicht: (2024)

PrivGNN: High-Performance Secure Inference for Cryptographic Graph Neural Networks
von: Wang, Fuyi, et al.
Veröffentlicht: (2025)

Injecting Undetectable Backdoors in Obfuscated Neural Networks and Language Models
von: Kalavasis, Alkis, et al.
Veröffentlicht: (2024)

Prompt Obfuscation for Large Language Models
von: Pape, David, et al.
Veröffentlicht: (2024)

PrivTune: Efficient and Privacy-Preserving Fine-Tuning of Large Language Models via Device-Cloud Collaboration
von: Liu, Yi, et al.
Veröffentlicht: (2025)

Privacy for Fairness: Information Obfuscation for Fair Representation Learning with Local Differential Privacy
von: Xie, Songjie, et al.
Veröffentlicht: (2024)

PrivORL: Differentially Private Synthetic Dataset for Offline Reinforcement Learning
von: Gong, Chen, et al.
Veröffentlicht: (2025)

PrivImage: Differentially Private Synthetic Image Generation using Diffusion Models with Semantic-Aware Pretraining
von: Li, Kecen, et al.
Veröffentlicht: (2023)

PrivFedTalk: Privacy-Aware Federated Diffusion with Identity-Stable Adapters for Personalized Talking-Head Generation
von: Mazumdar, Soumya, et al.
Veröffentlicht: (2026)

Shake to Leak: Fine-tuning Diffusion Models Can Amplify the Generative Privacy Risk
von: Li, Zhangheng, et al.
Veröffentlicht: (2024)

CDI: Copyrighted Data Identification in Diffusion Models
von: Dubiński, Jan, et al.
Veröffentlicht: (2024)

Command-line Obfuscation Detection using Small Language Models
von: Outrata, Vojtech, et al.
Veröffentlicht: (2024)

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

Good-Enough LLM Obfuscation (GELO)
von: Belikov, Anatoly, et al.
Veröffentlicht: (2026)

PrivATE: Differentially Private Confidence Intervals for Average Treatment Effects
von: Schröder, Maresa, et al.
Veröffentlicht: (2025)

DiffusionHijack: Supply-Chain PRNG Backdoor Attack on Diffusion Models and Quantum Random Number Defense
von: You, Ziyang, et al.
Veröffentlicht: (2026)

Cloud-Edge Collaborative Data Anomaly Detection in Industrial Sensor Networks
von: Yang, Tao, et al.
Veröffentlicht: (2022)

Defeating Cerberus: Concept-Guided Privacy-Leakage Mitigation in Multimodal Language Models
von: Zhang, Boyang, et al.
Veröffentlicht: (2025)

Disguised Copyright Infringement of Latent Diffusion Models
von: Lu, Yiwei, et al.
Veröffentlicht: (2024)

Breaking Obfuscation: Cluster-Aware Graph with LLM-Aided Recovery for Malicious JavaScript Detection
von: Liang, Zhihong, et al.
Veröffentlicht: (2025)

Differentially Private Diffusion Models
von: Dockhorn, Tim, et al.
Veröffentlicht: (2022)

Exploring Privacy and Fairness Risks in Sharing Diffusion Models: An Adversarial Perspective
von: Luo, Xinjian, et al.
Veröffentlicht: (2024)

Backdooring Masked Diffusion Language Models
von: Cao, Daniel Yiming, et al.
Veröffentlicht: (2026)

LLM Security and Safety: Insights from Homotopy-Inspired Prompt Obfuscation
von: Lazo, Luis, et al.
Veröffentlicht: (2026)

Privacy Backdoors: Stealing Data with Corrupted Pretrained Models
von: Feng, Shanglun, et al.
Veröffentlicht: (2024)

Leveraging Randomness in Model and Data Partitioning for Privacy Amplification
von: Dong, Andy, et al.
Veröffentlicht: (2025)

Amalgam: A Framework for Obfuscated Neural Network Training on the Cloud
von: Taki, Sifat Ut, et al.
Veröffentlicht: (2024)

Generated Data with Fake Privacy: Hidden Dangers of Fine-tuning Large Language Models on Generated Data
von: Akkus, Atilla, et al.
Veröffentlicht: (2024)

Publishing Neural Networks in Drug Discovery Might Compromise Training Data Privacy
von: Krüger, Fabian P., et al.
Veröffentlicht: (2024)

AEGIS: Adversarial Target-Guided Retention-Data-Free Robust Concept Erasure from Diffusion Models
von: Li, Fengpeng, et al.
Veröffentlicht: (2026)

A Systematic Study of Code Obfuscation Against LLM-based Vulnerability Detection
von: Li, Xiao, et al.
Veröffentlicht: (2025)

LATTEO: A Framework to Support Learning Asynchronously Tempered with Trusted Execution and Obfuscation
von: Kumar, Abhinav, et al.
Veröffentlicht: (2025)

Identifying Obfuscated Code through Graph-Based Semantic Analysis of Binary Code
von: Cohen, Roxane, et al.
Veröffentlicht: (2025)

Synthetic Data: Revisiting the Privacy-Utility Trade-off
von: Sarmin, Fatima Jahan, et al.
Veröffentlicht: (2024)

Towards Irreversible Machine Unlearning for Diffusion Models
von: Yuan, Xun, et al.
Veröffentlicht: (2025)

Backdoor Attacks on Discrete Graph Diffusion Models
von: Wang, Jiawen, et al.
Veröffentlicht: (2025)

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

Data Plagiarism Index: Characterizing the Privacy Risk of Data-Copying in Tabular Generative Models
von: Ward, Joshua, et al.
Veröffentlicht: (2024)