Buchumschlag

GNSS/GPS Spoofing and Jamming Identification Using Machine Learning and Deep Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ghanbarzade, Ali, Soleimani, Hossein
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Artificial Intelligence Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FedDefender: Backdoor Attack Defense in Federated Learning
von: Gill, Waris, et al.
Veröffentlicht: (2023)

Backdoor Attacks on Deep Learning Face Detection
von: Roux, Quentin Le, et al.
Veröffentlicht: (2025)

Impact of Architectural Modifications on Deep Learning Adversarial Robustness
von: Juraev, Firuz, et al.
Veröffentlicht: (2024)

Redesigning Traffic Signs to Mitigate Machine-Learning Patch Attacks
von: Shua, Tsufit, et al.
Veröffentlicht: (2024)

AdvSecureNet: A Python Toolkit for Adversarial Machine Learning
von: Catal, Melih, et al.
Veröffentlicht: (2024)

SpooFL: Spoofing Federated Learning
von: Baglin, Isaac, et al.
Veröffentlicht: (2026)

From Attack to Defense: Insights into Deep Learning Security Measures in Black-Box Settings
von: Juraev, Firuz, et al.
Veröffentlicht: (2024)

Selective Amnesia: On Efficient, High-Fidelity and Blind Suppression of Backdoor Effects in Trojaned Machine Learning Models
von: Zhu, Rui, et al.
Veröffentlicht: (2022)

Detection and Recovery Against Deep Neural Network Fault Injection Attacks Based on Contrastive Learning
von: Wang, Chenan, et al.
Veröffentlicht: (2024)

MAD-OOD: A Deep Learning Cluster-Driven Framework for an Out-of-Distribution Malware Detection and Classification
von: Ige, Tosin, et al.
Veröffentlicht: (2025)

Backdooring Outlier Detection Methods: A Novel Attack Approach
von: Taghavi, ZeinabSadat, et al.
Veröffentlicht: (2024)

Deep Learning-Based Speech and Vision Synthesis to Improve Phishing Attack Detection through a Multi-layer Adaptive Framework
von: Ige, Tosin, et al.
Veröffentlicht: (2024)

Assessing the Impact of Image Dataset Features on Privacy-Preserving Machine Learning
von: Lange, Lucas, et al.
Veröffentlicht: (2024)

Corrective Machine Unlearning
von: Goel, Shashwat, et al.
Veröffentlicht: (2024)

Poisoning Attacks on Federated Learning for Autonomous Driving
von: Garg, Sonakshi, et al.
Veröffentlicht: (2024)

GLEAN: Generative Learning for Eliminating Adversarial Noise
von: Kim, Justin Lyu, et al.
Veröffentlicht: (2024)

Federated Learning With Individualized Privacy Through Client Sampling
von: Lange, Lucas, et al.
Veröffentlicht: (2025)

Personalized Federated Learning via Backbone Self-Distillation
von: Wang, Pengju, et al.
Veröffentlicht: (2024)

Multi-View Slot Attention Using Paraphrased Texts for Face Anti-Spoofing
von: Yu, Jeongmin, et al.
Veröffentlicht: (2025)

Erasing Self-Supervised Learning Backdoor by Cluster Activation Masking
von: Qian, Shengsheng, et al.
Veröffentlicht: (2023)

An Efficient and Multi-private Key Secure Aggregation for Federated Learning
von: Yang, Xue, et al.
Veröffentlicht: (2023)

Towards Personalized Federated Learning via Comprehensive Knowledge Distillation
von: Wang, Pengju, et al.
Veröffentlicht: (2024)

Taught Well Learned Ill: Towards Distillation-conditional Backdoor Attack
von: Chen, Yukun, et al.
Veröffentlicht: (2025)

Beyond Traditional Threats: A Persistent Backdoor Attack on Federated Learning
von: Liu, Tao, et al.
Veröffentlicht: (2024)

Privacy-Preserving Student Learning with Differentially Private Data-Free Distillation
von: Liu, Bochao, et al.
Veröffentlicht: (2024)

pfl-research: simulation framework for accelerating research in Private Federated Learning
von: Granqvist, Filip, et al.
Veröffentlicht: (2024)

Synthetic Image Learning: Preserving Performance and Preventing Membership Inference Attacks
von: Lomurno, Eugenio, et al.
Veröffentlicht: (2024)

Vulnerability analysis of captcha using Deep learning
von: Walia, Jaskaran Singh, et al.
Veröffentlicht: (2023)

Reinforcement Learning Platform for Adversarial Black-box Attacks with Custom Distortion Filters
von: Sarkar, Soumyendu, et al.
Veröffentlicht: (2025)

DarkLLM: Learning Language-Driven Adversarial Attacks with Large Language Models
von: Sun, Ye, et al.
Veröffentlicht: (2026)

Non-Cooperative Backdoor Attacks in Federated Learning: A New Threat Landscape
von: Nguyen, Tuan, et al.
Veröffentlicht: (2024)

Reconstructing Training Data From Real World Models Trained with Transfer Learning
von: Oz, Yakir, et al.
Veröffentlicht: (2024)

General Autonomous Cybersecurity Defense: Learning Robust Policies for Dynamic Topologies and Diverse Attackers
von: Ramamurthy, Arun, et al.
Veröffentlicht: (2025)

Hypnopaedia-Aware Machine Unlearning via Psychometrics of Artificial Mental Imagery
von: Chang, Ching-Chun, et al.
Veröffentlicht: (2024)

FedFG: Privacy-Preserving and Robust Federated Learning via Flow-Matching Generation
von: Wang, Ruiyang, et al.
Veröffentlicht: (2026)

A Novel Defense Against Poisoning Attacks on Federated Learning: LayerCAM Augmented with Autoencoder
von: Zheng, Jingjing, et al.
Veröffentlicht: (2024)

Efficient Backdoor Defense in Multimodal Contrastive Learning: A Token-Level Unlearning Method for Mitigating Threats
von: Liu, Kuanrong, et al.
Veröffentlicht: (2024)

Towards Robust Protective Perturbation against DeepFake Face Swapping
von: Yao, Hengyang, et al.
Veröffentlicht: (2025)

Kill it with FIRE: On Leveraging Latent Space Directions for Runtime Backdoor Mitigation in Deep Neural Networks
von: Ahlers, Enrico, et al.
Veröffentlicht: (2026)

Undermining Image and Text Classification Algorithms Using Adversarial Attacks
von: Lunga, Langalibalele, et al.
Veröffentlicht: (2024)