Buchumschlag

FedNIA: Noise-Induced Activation Analysis for Mitigating Data Poisoning in FL

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hallaji, Ehsan, Razavi-Far, Roozbeh, Saif, Mehrdad
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Study on the Importance of Features in Detecting Advanced Persistent Threats Using Machine Learning
von: Hallaji, Ehsan, et al.
Veröffentlicht: (2025)

TrustChain: A Blockchain Framework for Auditing and Verifying Aggregators in Decentralized Federated Learning
von: Hallaji, Ehsan, et al.
Veröffentlicht: (2025)

A Study on Semi-Supervised Detection of DDoS Attacks under Class Imbalance
von: Hallaji, Ehsan, et al.
Veröffentlicht: (2025)

Decentralized Federated Learning: A Survey on Security and Privacy
von: Hallaji, Ehsan, et al.
Veröffentlicht: (2024)

Learning From High-Dimensional Cyber-Physical Data Streams for Diagnosing Faults in Smart Grids
von: Hassani, Hossein, et al.
Veröffentlicht: (2023)

Federated Continual Learning: Concepts, Challenges, and Solutions
von: Hamedi, Parisa, et al.
Veröffentlicht: (2025)

On the Consistency of GNN Explanations for Malware Detection
von: Shokouhinejad, Hossein, et al.
Veröffentlicht: (2025)

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

EAB-FL: Exacerbating Algorithmic Bias through Model Poisoning Attacks in Federated Learning
von: Meerza, Syed Irfan Ali, et al.
Veröffentlicht: (2024)

Explainable Attention-Guided Stacked Graph Neural Networks for Malware Detection
von: Shokouhinejad, Hossein, et al.
Veröffentlicht: (2025)

Routing-Aware Explanations for Mixture of Experts Graph Models in Malware Detection
von: Shokouhinejad, Hossein, et al.
Veröffentlicht: (2026)

Large Language Model (LLM) for Software Security: Code Analysis, Malware Analysis, Reverse Engineering
von: Jelodar, Hamed, et al.
Veröffentlicht: (2025)

FedReview: A Review Mechanism for Rejecting Poisoned Updates in Federated Learning
von: Zheng, Tianhang, et al.
Veröffentlicht: (2024)

Dual Explanations via Subgraph Matching for Malware Detection
von: Shokouhinejad, Hossein, et al.
Veröffentlicht: (2025)

Have You Poisoned My Data? Defending Neural Networks against Data Poisoning
von: De Gaspari, Fabio, et al.
Veröffentlicht: (2024)

Towards Sample-Efficiency and Generalization of Transfer and Inverse Reinforcement Learning: A Comprehensive Literature Review
von: Hassani, Hossein, et al.
Veröffentlicht: (2024)

Scaling Trends for Data Poisoning in LLMs
von: Bowen, Dillon, et al.
Veröffentlicht: (2024)

Explainable Malware Detection through Integrated Graph Reduction and Learning Techniques
von: Mohammadian, Hesamodin, et al.
Veröffentlicht: (2024)

XAI-SOH-FL: Enhancing SOH-FL with Adaptive Aggregation and Explainable AI for Intrusion Detection in Heterogeneous IoT
von: Aslam, Ambreen, et al.
Veröffentlicht: (2026)

LLM4CodeRE: Generative AI for Code Decompilation Analysis and Reverse Engineering
von: Jelodar, Hamed, et al.
Veröffentlicht: (2026)

Data Poisoning Attacks on Off-Policy Policy Evaluation Methods
von: Lobo, Elita, et al.
Veröffentlicht: (2024)

SoK: Verifiable Cross-Silo FL
von: Korneev, Aleksei, et al.
Veröffentlicht: (2024)

Shadowcast: Stealthy Data Poisoning Attacks Against Vision-Language Models
von: Xu, Yuancheng, et al.
Veröffentlicht: (2024)

Concealing Backdoor Model Updates in Federated Learning by Trigger-Optimized Data Poisoning
von: Zhang, Yujie, et al.
Veröffentlicht: (2024)

Mitigating Deep Reinforcement Learning Backdoors in the Neural Activation Space
von: Vyas, Sanyam, et al.
Veröffentlicht: (2024)

SAFELOC: Overcoming Data Poisoning Attacks in Heterogeneous Federated Machine Learning for Indoor Localization
von: Singampalli, Akhil, et al.
Veröffentlicht: (2024)

Be Kind, Rewrite: Benign Projections via Rewriting Defend Against LLM Data Poisoning Attacks
von: Halloran, John T., et al.
Veröffentlicht: (2026)

zkFL: Zero-Knowledge Proof-based Gradient Aggregation for Federated Learning
von: Wang, Zhipeng, et al.
Veröffentlicht: (2023)

PureGen: Universal Data Purification for Train-Time Poison Defense via Generative Model Dynamics
von: Bhat, Sunay, et al.
Veröffentlicht: (2024)

Automated Malware Family Classification using Weighted Hierarchical Ensembles of Large Language Models
von: Bai, Samita, et al.
Veröffentlicht: (2026)

GFCL: A GRU-based Federated Continual Learning Framework against Data Poisoning Attacks in IoV
von: Talpur, Anum, et al.
Veröffentlicht: (2022)

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

Stealthy Poisoning Attacks Bypass Defenses in Regression Settings
von: Carnerero-Cano, Javier, et al.
Veröffentlicht: (2026)

Recent Advances in Malware Detection: Graph Learning and Explainability
von: Shokouhinejad, Hossein, et al.
Veröffentlicht: (2025)

SoK: Benchmarking Poisoning Attacks and Defenses in Federated Learning
von: Zhang, Heyi, et al.
Veröffentlicht: (2025)

KEPo: Knowledge Evolution Poison on Graph-based Retrieval-Augmented Generation
von: Chen, Qizhi, et al.
Veröffentlicht: (2026)

Semantic Chameleon: Corpus-Dependent Poisoning Attacks and Defenses in RAG Systems
von: Thornton, Scott
Veröffentlicht: (2026)

Machine Unlearning Fails to Remove Data Poisoning Attacks
von: Pawelczyk, Martin, et al.
Veröffentlicht: (2024)

MemoryGraft: Persistent Compromise of LLM Agents via Poisoned Experience Retrieval
von: Srivastava, Saksham Sahai, et al.
Veröffentlicht: (2025)

BadReward: Clean-Label Poisoning of Reward Models in Text-to-Image RLHF
von: Duan, Kaiwen, et al.
Veröffentlicht: (2025)