Buchumschlag

Model Inversion Attack against Federated Unlearning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Lei, Zhu, Youwen
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

QUEEN: Query Unlearning against Model Extraction
von: Chen, Huajie, et al.
Veröffentlicht: (2024)

Unlearning Inversion Attacks for Graph Neural Networks
von: Zhang, Jiahao, et al.
Veröffentlicht: (2025)

Exploring the Vulnerabilities of Federated Learning: A Deep Dive into Gradient Inversion Attacks
von: Guo, Pengxin, et al.
Veröffentlicht: (2025)

GUIDE: Enhancing Gradient Inversion Attacks in Federated Learning with Denoising Models
von: Carletti, Vincenzo, et al.
Veröffentlicht: (2025)

Federated Learning under Attack: Improving Gradient Inversion for Batch of Images
von: Leite, Luiz, et al.
Veröffentlicht: (2024)

FedCC: Robust Federated Learning against Model Poisoning Attacks
von: Jeong, Hyejun, et al.
Veröffentlicht: (2022)

UNSEEN: A Cross-Stack LLM Unlearning Defense against AR-LLM Social Engineering Attacks
von: Yu, Tianlong, et al.
Veröffentlicht: (2026)

Data Duplication: A Novel Multi-Purpose Attack Paradigm in Machine Unlearning
von: Ye, Dayong, et al.
Veröffentlicht: (2025)

Dealing Doubt: Unveiling Threat Models in Gradient Inversion Attacks under Federated Learning, A Survey and Taxonomy
von: Shi, Yichuan, et al.
Veröffentlicht: (2024)

Rethinking Model Inversion Attacks With Patch-Wise Reconstruction
von: Jang, Jonggyu, et al.
Veröffentlicht: (2023)

Practical Feasibility of Gradient Inversion Attacks in Federated Learning
von: Valadi, Viktor, et al.
Veröffentlicht: (2025)

Injection, Attack and Erasure: Revocable Backdoor Attacks via Machine Unlearning
von: Song, Baogang, et al.
Veröffentlicht: (2025)

Data-Free Privacy-Preserving for LLMs via Model Inversion and Selective Unlearning
von: Zhou, Xinjie, et al.
Veröffentlicht: (2026)

SoK: Robustness in Large Language Models against Jailbreak Attacks
von: Xu, Feiyue, et al.
Veröffentlicht: (2026)

Threats, Attacks, and Defenses in Machine Unlearning: A Survey
von: Liu, Ziyao, et al.
Veröffentlicht: (2024)

Geminio: Language-Guided Gradient Inversion Attacks in Federated Learning
von: Shan, Junjie, et al.
Veröffentlicht: (2024)

Jailbreaking Prompt Attack: A Controllable Adversarial Attack against Diffusion Models
von: Ma, Jiachen, et al.
Veröffentlicht: (2024)

Learn What You Want to Unlearn: Unlearning Inversion Attacks against Machine Unlearning
von: Hu, Hongsheng, et al.
Veröffentlicht: (2024)

Neural Honeytrace: Plug&Play Watermarking Framework against Model Extraction Attacks
von: Xu, Yixiao, et al.
Veröffentlicht: (2025)

SAB:A Stealing and Robust Backdoor Attack based on Steganographic Algorithm against Federated Learning
von: Xu, Weida, et al.
Veröffentlicht: (2024)

No More Guessing: a Verifiable Gradient Inversion Attack in Federated Learning
von: Diana, Francesco, et al.
Veröffentlicht: (2026)

Label Inference Attacks against Federated Unlearning
von: Wang, Wei, et al.
Veröffentlicht: (2025)

Optimizing Adaptive Attacks against Watermarks for Language Models
von: Diaa, Abdulrahman, et al.
Veröffentlicht: (2024)

Explainer-guided Targeted Adversarial Attacks against Binary Code Similarity Detection Models
von: Chen, Mingjie, et al.
Veröffentlicht: (2025)

Persona Attack: Incremental Memory Injection Jailbreak Attack against Large Language Models
von: Park, Junyoung, et al.
Veröffentlicht: (2026)

Privacy Attack in Federated Learning is Not Easy: An Experimental Study
von: Zhu, Hangyu, et al.
Veröffentlicht: (2024)

When and Where do Data Poisons Attack Textual Inversion?
von: Styborski, Jeremy, et al.
Veröffentlicht: (2025)

Concept-Aware Privacy Mechanisms for Defending Embedding Inversion Attacks
von: Tsai, Yu-Che, et al.
Veröffentlicht: (2026)

Semantic-level Backdoor Attack against Text-to-Image Diffusion Models
von: Chen, Tianxin, et al.
Veröffentlicht: (2026)

Buffer is All You Need: Defending Federated Learning against Backdoor Attacks under Non-iids via Buffering
von: Lyu, Xingyu, et al.
Veröffentlicht: (2025)

WeiDetect: Weibull Distribution-Based Defense against Poisoning Attacks in Federated Learning for Network Intrusion Detection Systems
von: M., Sameera K., et al.
Veröffentlicht: (2025)

Client-Side Patching against Backdoor Attacks in Federated Learning
von: Molina-Coronado, Borja
Veröffentlicht: (2024)

Multi-task Adversarial Attacks against Black-box Model with Few-shot Queries
von: Wang, Wenqiang, et al.
Veröffentlicht: (2025)

Align is not Enough: Multimodal Universal Jailbreak Attack against Multimodal Large Language Models
von: Wang, Youze, et al.
Veröffentlicht: (2025)

AISA: Awakening Intrinsic Safety Awareness in Large Language Models against Jailbreak Attacks
von: Song, Weiming, et al.
Veröffentlicht: (2026)

FedSecurity: Benchmarking Attacks and Defenses in Federated Learning and Federated LLMs
von: Han, Shanshan, et al.
Veröffentlicht: (2023)

BitHydra: Towards Bit-flip Inference Cost Attack against Large Language Models
von: Yan, Xiaobei, et al.
Veröffentlicht: (2025)

A Critical Evaluation of Defenses against Prompt Injection Attacks
von: Jia, Yuqi, et al.
Veröffentlicht: (2025)

Defending the Edge: Representative-Attention Defense against Backdoor Attacks in Federated Learning
von: Obioma, Chibueze Peace, et al.
Veröffentlicht: (2025)

Unlearn to Relearn Backdoors: Deferred Backdoor Functionality Attacks on Deep Learning Models
von: Shin, Jeongjin, et al.
Veröffentlicht: (2024)