Salvato in:
| Autori principali: | Xu, Zhiyuan, Gardiner, Joseph, Belguith, Sana |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | https://arxiv.org/abs/2502.01225 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Steering in the Shadows: Causal Amplification for Activation Space Attacks in Large Language Models
di: Xu, Zhiyuan, et al.
Pubblicazione: (2025)
di: Xu, Zhiyuan, et al.
Pubblicazione: (2025)
Towards Understanding the Safety Boundaries of DeepSeek Models: Evaluation and Findings
di: Ying, Zonghao, et al.
Pubblicazione: (2025)
di: Ying, Zonghao, et al.
Pubblicazione: (2025)
SoK: A Comprehensive Security Analysis of Jailbreak Resilience in GPT and DeepSeek Models
di: Wu, Xiaodong, et al.
Pubblicazione: (2025)
di: Wu, Xiaodong, et al.
Pubblicazione: (2025)
SDD: Self-Degraded Defense against Malicious Fine-tuning
di: Chen, Zixuan, et al.
Pubblicazione: (2025)
di: Chen, Zixuan, et al.
Pubblicazione: (2025)
Antidote: Post-fine-tuning Safety Alignment for Large Language Models against Harmful Fine-tuning
di: Huang, Tiansheng, et al.
Pubblicazione: (2024)
di: Huang, Tiansheng, et al.
Pubblicazione: (2024)
Critical-CoT: A Robust Defense Framework against Reasoning-Level Backdoor Attacks in Large Language Models
di: Truong, Vu Tuan, et al.
Pubblicazione: (2026)
di: Truong, Vu Tuan, et al.
Pubblicazione: (2026)
CoT-Guard: Small Models for Strong Monitoring
di: Diwan, Nirav, et al.
Pubblicazione: (2026)
di: Diwan, Nirav, et al.
Pubblicazione: (2026)
Adversarial attacks against Modern Vision-Language Models
di: La Torre, Alejandro Paredes
Pubblicazione: (2026)
di: La Torre, Alejandro Paredes
Pubblicazione: (2026)
Optimized detection of cyber-attacks on IoT networks via hybrid deep learning models
di: Bensaoud, Ahmed, et al.
Pubblicazione: (2025)
di: Bensaoud, Ahmed, et al.
Pubblicazione: (2025)
Challenges in Ensuring AI Safety in DeepSeek-R1 Models: The Shortcomings of Reinforcement Learning Strategies
di: Parmar, Manojkumar, et al.
Pubblicazione: (2025)
di: Parmar, Manojkumar, et al.
Pubblicazione: (2025)
DeepSeek Robustness Against Semantic-Character Dual-Space Mutated Prompt Injection
di: Ren, Junyu, et al.
Pubblicazione: (2026)
di: Ren, Junyu, et al.
Pubblicazione: (2026)
SOFT: Selective Data Obfuscation for Protecting LLM Fine-tuning against Membership Inference Attacks
di: Zhang, Kaiyuan, et al.
Pubblicazione: (2025)
di: Zhang, Kaiyuan, et al.
Pubblicazione: (2025)
On the use of neurosymbolic AI for defending against cyber attacks
di: Grov, Gudmund, et al.
Pubblicazione: (2024)
di: Grov, Gudmund, et al.
Pubblicazione: (2024)
Detecting Adversarial Fine-tuning with Auditing Agents
di: Egler, Sarah, et al.
Pubblicazione: (2025)
di: Egler, Sarah, et al.
Pubblicazione: (2025)
Learning diverse attacks on large language models for robust red-teaming and safety tuning
di: Lee, Seanie, et al.
Pubblicazione: (2024)
di: Lee, Seanie, et al.
Pubblicazione: (2024)
RouteHijack: Routing-Aware Attack on Mixture-of-Experts LLMs
di: Xu, Zhiyuan, et al.
Pubblicazione: (2026)
di: Xu, Zhiyuan, et al.
Pubblicazione: (2026)
Pharmacist: Safety Alignment Data Curation for Large Language Models against Harmful Fine-tuning
di: Liu, Guozhi, et al.
Pubblicazione: (2025)
di: Liu, Guozhi, et al.
Pubblicazione: (2025)
Synthetic is all you need: removing the auxiliary data assumption for membership inference attacks against synthetic data
di: Guépin, Florent, et al.
Pubblicazione: (2023)
di: Guépin, Florent, et al.
Pubblicazione: (2023)
Class-Aware Adaptive Differential Privacy in Deep Learning for Sensor-Based Fall Detection
di: Sana, Joydeb Kumar
Pubblicazione: (2026)
di: Sana, Joydeb Kumar
Pubblicazione: (2026)
Detection of ransomware attacks using federated learning based on the CNN model
di: Nguyen, Hong-Nhung, et al.
Pubblicazione: (2024)
di: Nguyen, Hong-Nhung, et al.
Pubblicazione: (2024)
Revisiting the attacker's knowledge in inference attacks against Searchable Symmetric Encryption
di: Damie, Marc, et al.
Pubblicazione: (2025)
di: Damie, Marc, et al.
Pubblicazione: (2025)
DP-FedLoRA: Privacy-Enhanced Federated Fine-Tuning for On-Device Large Language Models
di: Xu, Honghui, et al.
Pubblicazione: (2025)
di: Xu, Honghui, et al.
Pubblicazione: (2025)
Prompt Injection attack against LLM-integrated Applications
di: Liu, Yi, et al.
Pubblicazione: (2023)
di: Liu, Yi, et al.
Pubblicazione: (2023)
I can't see it but I can Fine-tune it: On Encrypted Fine-tuning of Transformers using Fully Homomorphic Encryption
di: Panzade, Prajwal, et al.
Pubblicazione: (2024)
di: Panzade, Prajwal, et al.
Pubblicazione: (2024)
Comparative Analysis Based on DeepSeek, ChatGPT, and Google Gemini: Features, Techniques, Performance, Future Prospects
di: Rahman, Anichur, et al.
Pubblicazione: (2025)
di: Rahman, Anichur, et al.
Pubblicazione: (2025)
TRAP: Hijacking VLA CoT-Reasoning via Adversarial Patches
di: Huang, Zhengxian, et al.
Pubblicazione: (2026)
di: Huang, Zhengxian, et al.
Pubblicazione: (2026)
R1dacted: Investigating Local Censorship in DeepSeek's R1 Language Model
di: Naseh, Ali, et al.
Pubblicazione: (2025)
di: Naseh, Ali, et al.
Pubblicazione: (2025)
Cross-site scripting adversarial attacks based on deep reinforcement learning: Evaluation and extension study
di: Pasini, Samuele, et al.
Pubblicazione: (2025)
di: Pasini, Samuele, et al.
Pubblicazione: (2025)
ASPI: Seeking Ambiguity Clarification Amplifies Prompt Injection Vulnerability in LLM Agents
di: Sehwag, Udari Madhushani, et al.
Pubblicazione: (2026)
di: Sehwag, Udari Madhushani, et al.
Pubblicazione: (2026)
Black-box Membership Inference Attacks against Fine-tuned Diffusion Models
di: Pang, Yan, et al.
Pubblicazione: (2023)
di: Pang, Yan, et al.
Pubblicazione: (2023)
Correlation inference attacks against machine learning models
di: Creţu, Ana-Maria, et al.
Pubblicazione: (2021)
di: Creţu, Ana-Maria, et al.
Pubblicazione: (2021)
Case Study: Fine-tuning Small Language Models for Accurate and Private CWE Detection in Python Code
di: Bappy, Md. Azizul Hakim, et al.
Pubblicazione: (2025)
di: Bappy, Md. Azizul Hakim, et al.
Pubblicazione: (2025)
Token-level Data Selection for Safe LLM Fine-tuning
di: Li, Yanping, et al.
Pubblicazione: (2026)
di: Li, Yanping, et al.
Pubblicazione: (2026)
MEASER: Malware embedding attacks on open-source LLMs
di: Tan, Ming, et al.
Pubblicazione: (2025)
di: Tan, Ming, et al.
Pubblicazione: (2025)
RAB$^2$-DEF: Dynamic and explainable defense against adversarial attacks in Federated Learning to fair poor clients
di: Rodríguez-Barroso, Nuria, et al.
Pubblicazione: (2024)
di: Rodríguez-Barroso, Nuria, et al.
Pubblicazione: (2024)
DAIRE: A lightweight AI model for real-time detection of Controller Area Network attacks in the Internet of Vehicles
di: Alam, Shahid, et al.
Pubblicazione: (2026)
di: Alam, Shahid, et al.
Pubblicazione: (2026)
Towards Resilient Safety-driven Unlearning for Diffusion Models against Downstream Fine-tuning
di: Li, Boheng, et al.
Pubblicazione: (2025)
di: Li, Boheng, et al.
Pubblicazione: (2025)
Visual CoT Makes VLMs Smarter but More Fragile
di: Xu, Chunxue, et al.
Pubblicazione: (2025)
di: Xu, Chunxue, et al.
Pubblicazione: (2025)
Context manipulation attacks : Web agents are susceptible to corrupted memory
di: Patlan, Atharv Singh, et al.
Pubblicazione: (2025)
di: Patlan, Atharv Singh, et al.
Pubblicazione: (2025)
AutoAttacker: A Large Language Model Guided System to Implement Automatic Cyber-attacks
di: Xu, Jiacen, et al.
Pubblicazione: (2024)
di: Xu, Jiacen, et al.
Pubblicazione: (2024)
Documenti analoghi
-
Steering in the Shadows: Causal Amplification for Activation Space Attacks in Large Language Models
di: Xu, Zhiyuan, et al.
Pubblicazione: (2025) -
Towards Understanding the Safety Boundaries of DeepSeek Models: Evaluation and Findings
di: Ying, Zonghao, et al.
Pubblicazione: (2025) -
SoK: A Comprehensive Security Analysis of Jailbreak Resilience in GPT and DeepSeek Models
di: Wu, Xiaodong, et al.
Pubblicazione: (2025) -
SDD: Self-Degraded Defense against Malicious Fine-tuning
di: Chen, Zixuan, et al.
Pubblicazione: (2025) -
Antidote: Post-fine-tuning Safety Alignment for Large Language Models against Harmful Fine-tuning
di: Huang, Tiansheng, et al.
Pubblicazione: (2024)