Buchumschlag

Approaching the Harm of Gradient Attacks While Only Flipping Labels

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	El-Kabid, Abdessamad, El-Mhamdi, El-Mahdi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Inverting Gradient Attacks Makes Powerful Data Poisoning
von: Bouaziz, Wassim, et al.
Veröffentlicht: (2024)

Targeted Data Poisoning for Black-Box Audio Datasets Ownership Verification
von: Bouaziz, Wassim, et al.
Veröffentlicht: (2025)

Data Taggants: Dataset Ownership Verification via Harmless Targeted Data Poisoning
von: Bouaziz, Wassim, et al.
Veröffentlicht: (2024)

Winter Soldier: Backdooring Language Models at Pre-Training with Indirect Data Poisoning
von: Bouaziz, Wassim, et al.
Veröffentlicht: (2025)

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

Exploring the Effect of DNN Depth on Adversarial Attacks in Network Intrusion Detection Systems
von: ElShehaby, Mohamed, et al.
Veröffentlicht: (2025)

OSLO: One-Shot Label-Only Membership Inference Attacks
von: Peng, Yuefeng, et al.
Veröffentlicht: (2024)

Privacy Attacks in Decentralized Learning
von: Mrini, Abdellah El, et al.
Veröffentlicht: (2024)

A Conditional Tabular GAN-Enhanced Intrusion Detection System for Rare Attacks in IoT Networks
von: Menssouri, Safaa, et al.
Veröffentlicht: (2025)

Federated Learning with Only Positive Labels by Exploring Label Correlations
von: An, Xuming, et al.
Veröffentlicht: (2024)

Few Edges Are Enough: Few-Shot Network Attack Detection with Graph Neural Networks
von: Bilot, Tristan, et al.
Veröffentlicht: (2025)

A Backdoor Approach with Inverted Labels Using Dirty Label-Flipping Attacks
von: Mengara, Orson
Veröffentlicht: (2024)

GenBFA: An Evolutionary Optimization Approach to Bit-Flip Attacks on LLMs
von: Das, Sanjay, et al.
Veröffentlicht: (2024)

Double-Dip: Thwarting Label-Only Membership Inference Attacks with Transfer Learning and Randomization
von: Rajabi, Arezoo, et al.
Veröffentlicht: (2024)

SilentStriker:Toward Stealthy Bit-Flip Attacks on Large Language Models
von: Xu, Haotian, et al.
Veröffentlicht: (2025)

Towards Novel Malicious Packet Recognition: A Few-Shot Learning Approach
von: Stein, Kyle, et al.
Veröffentlicht: (2024)

Applying Graph Analysis for Unsupervised Fast Malware Fingerprinting
von: Karbab, ElMouatez Billah, et al.
Veröffentlicht: (2025)

Random Walk Learning and the Pac-Man Attack
von: Chen, Xingran, et al.
Veröffentlicht: (2025)

Harmless Yet Harmful: Neutral Prompting Attacks for Stealthy Hallucination Steering in Agent Skills
von: Hsu, Chia-Yi, et al.
Veröffentlicht: (2026)

Robust Intrusion Detection System with Explainable Artificial Intelligence
von: Paltun, Betül Güvenç, et al.
Veröffentlicht: (2025)

SINBAD: Saliency-informed detection of breakage caused by ad blocking
von: Chehade, Saiid El Hajj, et al.
Veröffentlicht: (2024)

Understanding Data Importance in Machine Learning Attacks: Does Valuable Data Pose Greater Harm?
von: Wen, Rui, et al.
Veröffentlicht: (2024)

LoMime: Query-Efficient Membership Inference using Model Extraction in Label-Only Settings
von: Oksuz, Abdullah Caglar, et al.
Veröffentlicht: (2026)

Building Gradient Bridges: Label Leakage from Restricted Gradient Sharing in Federated Learning
von: Zhang, Rui, et al.
Veröffentlicht: (2024)

Revisiting Gradient Pruning: A Dual Realization for Defending against Gradient Attacks
von: Xue, Lulu, et al.
Veröffentlicht: (2024)

Auditing Privacy Mechanisms via Label Inference Attacks
von: Busa-Fekete, Róbert István, et al.
Veröffentlicht: (2024)

Verification of Bit-Flip Attacks against Quantized Neural Networks
von: Zhang, Yedi, et al.
Veröffentlicht: (2025)

TFL: Targeted Bit-Flip Attack on Large Language Model
von: Guo, Jingkai, et al.
Veröffentlicht: (2026)

Enhanced Intrusion Detection System for Multiclass Classification in UAV Networks
von: Menssouri, Safaa, et al.
Veröffentlicht: (2024)

Evaluating Selective Encryption Against Gradient Inversion Attacks
von: Gu, Jiajun, et al.
Veröffentlicht: (2025)

Low-Cost Hard-Label Adversarial Attack with Theoretical Foundations
von: Liu, Jun, et al.
Veröffentlicht: (2026)

Label Inference Attacks against Node-level Vertical Federated GNNs
von: Arazzi, Marco, et al.
Veröffentlicht: (2023)

Unlearning Backdoor Attacks through Gradient-Based Model Pruning
von: Dunnett, Kealan, et al.
Veröffentlicht: (2024)

Gradient Shaping: Enhancing Backdoor Attack Against Reverse Engineering
von: Zhu, Rui, et al.
Veröffentlicht: (2023)

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

SBFA: Single Sneaky Bit Flip Attack to Break Large Language Models
von: Guo, Jingkai, et al.
Veröffentlicht: (2025)

Adversarial Sample-Based Approach for Tighter Privacy Auditing in Final Model-Only Scenarios
von: Yoon, Sangyeon, et al.
Veröffentlicht: (2024)

Refiner: Data Refining against Gradient Leakage Attacks in Federated Learning
von: Fan, Mingyuan, et al.
Veröffentlicht: (2022)

A New Federated Learning Framework Against Gradient Inversion Attacks
von: Guo, Pengxin, et al.
Veröffentlicht: (2024)

Towards Eliminating Hard Label Constraints in Gradient Inversion Attacks
von: Wang, Yanbo, et al.
Veröffentlicht: (2024)