Buchumschlag

Temporal Analysis of Adversarial Attacks in Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mapakshi, Rohit, Akther, Sayma, Stamp, Mark
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Robustness of Selected Learning Models under Label-Flipping Attack
von: Bhargava, Sarvagya, et al.
Veröffentlicht: (2025)

A Comparison of Adversarial Learning Techniques for Malware Detection
von: Louthánová, Pavla, et al.
Veröffentlicht: (2023)

Cluster Analysis and Concept Drift Detection in Malware
von: Mishra, Aniket, et al.
Veröffentlicht: (2025)

Multimodal Techniques for Malware Classification
von: Jiang, Jonathan, et al.
Veröffentlicht: (2025)

XAI and Android Malware Models
von: Kulkarni, Maithili, et al.
Veröffentlicht: (2024)

Image-Based Malware Classification Using QR and Aztec Codes
von: Khadilkar, Atharva, et al.
Veröffentlicht: (2024)

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

RawMal-TF: Raw Malware Dataset Labeled by Type and Family
von: Bálik, David, et al.
Veröffentlicht: (2025)

Online Clustering of Known and Emerging Malware Families
von: Jurečková, Olha, et al.
Veröffentlicht: (2024)

Detecting Concept Drift in Evolving Malware Families Using Rule-Based Classifier Representations
von: Kalný, Tomáš, et al.
Veröffentlicht: (2026)

Differentiable Adversarial Attacks for Marked Temporal Point Processes
von: Chakraborty, Pritish, et al.
Veröffentlicht: (2025)

RAIFLE: Reconstruction Attacks on Interaction-based Federated Learning with Adversarial Data Manipulation
von: Pham, Dzung, et al.
Veröffentlicht: (2023)

Attacks on fairness in Federated Learning
von: Rance, Joseph, et al.
Veröffentlicht: (2023)

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

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

Adversarial Contrastive Learning for LLM Quantization Attacks
von: Song, Dinghong, et al.
Veröffentlicht: (2026)

On the Efficiency of Privacy Attacks in Federated Learning
von: Tabassum, Nawrin, et al.
Veröffentlicht: (2024)

Model Hijacking Attack in Federated Learning
von: Li, Zheng, et al.
Veröffentlicht: (2024)

Adversarial Inception Backdoor Attacks against Reinforcement Learning
von: Rathbun, Ethan, et al.
Veröffentlicht: (2024)

A Comprehensive Analysis of Adversarial Attacks against Spam Filters
von: Hotoğlu, Esra, et al.
Veröffentlicht: (2025)

Remote Rowhammer Attack using Adversarial Observations on Federated Learning Clients
von: Yuan, Jinsheng, et al.
Veröffentlicht: (2025)

A Comparison of Selected Image Transformation Techniques for Malware Classification
von: Agrawal, Rishit, et al.
Veröffentlicht: (2025)

In-network Attack Detection with Federated Deep Learning in IoT Networks: Real Implementation and Analysis
von: Chaudhary, Devashish, et al.
Veröffentlicht: (2026)

On the Out-of-Distribution Backdoor Attack for Federated Learning
von: Xu, Jiahao, et al.
Veröffentlicht: (2025)

GShield: Mitigating Poisoning Attacks in Federated Learning
von: M., Sameera K., et al.
Veröffentlicht: (2025)

Fairness-Constrained Optimization Attack in Federated Learning
von: Kasyap, Harsh, et al.
Veröffentlicht: (2025)

Competitive Advantage Attacks to Decentralized Federated Learning
von: Jia, Yuqi, et al.
Veröffentlicht: (2023)

Backdoor Attacks in Peer-to-Peer Federated Learning
von: Syros, Georgios, et al.
Veröffentlicht: (2023)

Passive Inference Attacks on Split Learning via Adversarial Regularization
von: Zhu, Xiaochen, et al.
Veröffentlicht: (2023)

Adversarial Attacks on Graph Neural Networks via Meta Learning
von: Zügner, Daniel, et al.
Veröffentlicht: (2019)

FreqFed: A Frequency Analysis-Based Approach for Mitigating Poisoning Attacks in Federated Learning
von: Fereidooni, Hossein, et al.
Veröffentlicht: (2023)

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

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

Local Environment Poisoning Attacks on Federated Reinforcement Learning
von: Ma, Evelyn, et al.
Veröffentlicht: (2023)

FL-Defender: Combating Targeted Attacks in Federated Learning
von: Jebreel, Najeeb, et al.
Veröffentlicht: (2022)

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

Fine-Tuning Personalization in Federated Learning to Mitigate Adversarial Clients
von: Allouah, Youssef, et al.
Veröffentlicht: (2024)

Generalization Properties of Adversarial Training for $\ell_0$-Bounded Adversarial Attacks
von: Delgosha, Payam, et al.
Veröffentlicht: (2024)

Calibration Attacks: A Comprehensive Study of Adversarial Attacks on Model Confidence
von: Obadinma, Stephen, et al.
Veröffentlicht: (2024)

Attack by Unlearning: Unlearning-Induced Adversarial Attacks on Graph Neural Networks
von: Zhang, Jiahao, et al.
Veröffentlicht: (2026)