Copertina

PrivacyScalpel: Enhancing LLM Privacy via Interpretable Feature Intervention with Sparse Autoencoders

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Frikha, Ahmed, Razi, Muhammad Reza Ar, Nakka, Krishna Kanth, Mendes, Ricardo, Jiang, Xue, Zhou, Xuebing
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning Computation and Language
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

IncogniText: Privacy-enhancing Conditional Text Anonymization via LLM-based Private Attribute Randomization
di: Frikha, Ahmed, et al.
Pubblicazione: (2024)

PII-Compass: Guiding LLM training data extraction prompts towards the target PII via grounding
di: Nakka, Krishna Kanth, et al.
Pubblicazione: (2024)

PII-Scope: A Comprehensive Study on Training Data PII Extraction Attacks in LLMs
di: Nakka, Krishna Kanth, et al.
Pubblicazione: (2024)

Mammo-SAE: Interpreting Breast Cancer Concept Learning with Sparse Autoencoders
di: Nakka, Krishna Kanth
Pubblicazione: (2025)

ObfuscaTune: Obfuscated Offsite Fine-tuning and Inference of Proprietary LLMs on Private Datasets
di: Frikha, Ahmed, et al.
Pubblicazione: (2024)

PII Jailbreaking in LLMs via Activation Steering Reveals Personal Information Leakage
di: Nakka, Krishna Kanth, et al.
Pubblicazione: (2025)

From Steering to Pedalling: Do Autonomous Driving VLMs Generalize to Cyclist-Assistive Spatial Perception and Planning?
di: Nakka, Krishna Kanth, et al.
Pubblicazione: (2026)

NAT: Learning to Attack Neurons for Enhanced Adversarial Transferability
di: Nakka, Krishna Kanth, et al.
Pubblicazione: (2025)

Enhancing Neural Network Interpretability with Feature-Aligned Sparse Autoencoders
di: Marks, Luke, et al.
Pubblicazione: (2024)

Causal Interpretation of Sparse Autoencoder Features in Vision
di: Han, Sangyu, et al.
Pubblicazione: (2025)

Privacy Checklist: Privacy Violation Detection Grounding on Contextual Integrity Theory
di: Li, Haoran, et al.
Pubblicazione: (2024)

Interpretable and Testable Vision Features via Sparse Autoencoders
di: Stevens, Samuel, et al.
Pubblicazione: (2025)

A LINDDUN-based Privacy Threat Modeling Framework for GenAI
di: Liao, Qianying, et al.
Pubblicazione: (2026)

Sparse Autoencoders Reveal Interpretable and Steerable Features in VLA Models
di: Swann, Aiden, et al.
Pubblicazione: (2026)

An X-Ray Is Worth 15 Features: Sparse Autoencoders for Interpretable Radiology Report Generation
di: Abdulaal, Ahmed, et al.
Pubblicazione: (2024)

Learning Interpretable Features in Audio Latent Spaces via Sparse Autoencoders
di: Paek, Nathan, et al.
Pubblicazione: (2025)

Interpretation Gaps in LLM-Assisted Comprehension of Privacy Documents
di: Dewri, Rinku
Pubblicazione: (2025)

Re-envisioning Euclid Galaxy Morphology: Identifying and Interpreting Features with Sparse Autoencoders
di: Wu, John F., et al.
Pubblicazione: (2025)

The Rogue Scalpel: Activation Steering Compromises LLM Safety
di: Korznikov, Anton, et al.
Pubblicazione: (2025)

Mechanistic Interpretability of ASR models using Sparse Autoencoders
di: Pluth, Dan, et al.
Pubblicazione: (2026)

Sparse Autoencoders for Interpretable Emotion Control in Text-to-Speech
di: Du, Hongfei, et al.
Pubblicazione: (2026)

Transcoders Beat Sparse Autoencoders for Interpretability
di: Paulo, Gonçalo, et al.
Pubblicazione: (2025)

Interpretable Company Similarity with Sparse Autoencoders
di: Molinari, Marco, et al.
Pubblicazione: (2024)

Interpreting CLIP with Hierarchical Sparse Autoencoders
di: Zaigrajew, Vladimir, et al.
Pubblicazione: (2025)

Interpreting Differential Privacy in Terms of Disclosure Risk
di: Kazan, Zeki, et al.
Pubblicazione: (2025)

Interpretable Embeddings with Sparse Autoencoders: A Data Analysis Toolkit
di: Jiang, Nick, et al.
Pubblicazione: (2025)

Privacy-Preserving Autoencoder for Collaborative Object Detection
di: Azizian, Bardia, et al.
Pubblicazione: (2024)

InterPLM: Discovering Interpretable Features in Protein Language Models via Sparse Autoencoders
di: Simon, Elana, et al.
Pubblicazione: (2024)

Chemical composition and some biological activities of marine algae collected in Tunisia
di: F Frikha
Pubblicazione: (2011)

Learnable Faster Kernel-PCA for Nonlinear Fault Detection: Deep Autoencoder-Based Realization
di: Ren, Zelin, et al.
Pubblicazione: (2021)

Interpreting Network Differential Privacy
di: Hehir, Jonathan, et al.
Pubblicazione: (2025)

Measuring Sparse Autoencoder Feature Sensitivity
di: Tian, Claire, et al.
Pubblicazione: (2025)

Sparse Autoencoder Features for Classifications and Transferability
di: Gallifant, Jack, et al.
Pubblicazione: (2025)

Interpreting CFD Surrogates through Sparse Autoencoders
di: Hu, Yeping, et al.
Pubblicazione: (2025)

Mechanistic Interpretability with Sparse Autoencoder Neural Operators
di: Tolooshams, Bahareh, et al.
Pubblicazione: (2025)

Interpretable Reward Model via Sparse Autoencoder
di: Zhang, Shuyi, et al.
Pubblicazione: (2025)

Interpretable and Steerable Concept Bottleneck Sparse Autoencoders
di: Kulkarni, Akshay, et al.
Pubblicazione: (2025)

Interpreting Attention Layer Outputs with Sparse Autoencoders
di: Kissane, Connor, et al.
Pubblicazione: (2024)

SegCompass: Exploring Interpretable Alignment with Sparse Autoencoders for Enhanced Reasoning Segmentation
di: Lu, Zhenyu, et al.
Pubblicazione: (2026)

Water Demand Maximization: Quick Recovery of Nonlinear Physics Solutions
di: Hari, Sai Krishna Kanth, et al.
Pubblicazione: (2026)