Buchumschlag

BLIA: Detect model memorization in binary classification model through passive Label Inference attack

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Khan, Mohammad Wahiduzzaman, Chen, Sheng, Mironov, Ilya, Zhang, Leizhen, Noor, Rabib
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Observational Auditing of Label Privacy
von: Kalemaj, Iden, et al.
Veröffentlicht: (2025)

A hierarchical approach for assessing the vulnerability of tree-based classification models to membership inference attack
von: Preen, Richard J., et al.
Veröffentlicht: (2025)

SCGNet-Stacked Convolution with Gated Recurrent Unit Network for Cyber Network Intrusion Detection and Intrusion Type Classification
von: Akter, Rajana, et al.
Veröffentlicht: (2024)

Correlation inference attacks against machine learning models
von: Creţu, Ana-Maria, et al.
Veröffentlicht: (2021)

AED: An black-box NLP classifier model attacker
von: Liu, Yueyang, et al.
Veröffentlicht: (2021)

Detection and classification of DDoS flooding attacks by machine learning method
von: Tymoshchuk, Dmytro, et al.
Veröffentlicht: (2024)

A clean-label graph backdoor attack method in node classification task
von: Xing, Xiaogang, et al.
Veröffentlicht: (2023)

Predicting memorization within Large Language Models fine-tuned for classification
von: Dentan, Jérémie, et al.
Veröffentlicht: (2024)

EdgeDetect: Importance-Aware Gradient Compression with Homomorphic Aggregation for Federated Intrusion Detection
von: Mohammad, Noor Islam S.
Veröffentlicht: (2026)

SafeLM: Unified Privacy-Aware Optimization for Trustworthy Federated Large Language Models
von: Mohammad, Noor Islam S., et al.
Veröffentlicht: (2026)

Towards the generation of hierarchical attack models from cybersecurity vulnerabilities using language models
von: Sowka, Kacper, et al.
Veröffentlicht: (2024)

ParikkhaChain: Blockchain-Based Result Processing and Privacy-Preserving Academic Record Management for the Complete Examination Lifecycle
von: Momin, Rabib Jahin Ibn, et al.
Veröffentlicht: (2026)

New intelligent defense systems to reduce the risks of Selfish Mining and Double-Spending attacks using Learning Automata
von: Ghoreishi, Seyed Ardalan, et al.
Veröffentlicht: (2023)

BoBa: Boosting Backdoor Detection through Data Distribution Inference in Federated Learning
von: Jiang, Zhengyuan, et al.
Veröffentlicht: (2024)

Exploring the limits of strong membership inference attacks on large language models
von: Hayes, Jamie, et al.
Veröffentlicht: (2025)

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

LabObf: A Label Protection Scheme for Vertical Federated Learning Through Label Obfuscation
von: He, Ying, et al.
Veröffentlicht: (2024)

Beyond Labeling Oracles: What does it mean to steal ML models?
von: Shafran, Avital, et al.
Veröffentlicht: (2023)

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

EC-LDA : Label Distribution Inference Attack against Federated Graph Learning with Embedding Compression
von: Cheng, Tong, et al.
Veröffentlicht: (2025)

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

Learning diverse attacks on large language models for robust red-teaming and safety tuning
von: Lee, Seanie, et al.
Veröffentlicht: (2024)

On the existence of consistent adversarial attacks in high-dimensional linear classification
von: Vilucchio, Matteo, et al.
Veröffentlicht: (2025)

SHLIME: Foiling adversarial attacks fooling SHAP and LIME
von: Chauhan, Sam, et al.
Veröffentlicht: (2025)

A novel reliability attack of Physical Unclonable Functions
von: Li, Gaoxiang, et al.
Veröffentlicht: (2024)

Revisiting Label Inference Attacks in Vertical Federated Learning: Why They Are Vulnerable and How to Defend
von: Liu, Yige, et al.
Veröffentlicht: (2026)

KDk: A Defense Mechanism Against Label Inference Attacks in Vertical Federated Learning
von: Arazzi, Marco, et al.
Veröffentlicht: (2024)

MER-Inspector: Assessing model extraction risks from an attack-agnostic perspective
von: Zhang, Xinwei, et al.
Veröffentlicht: (2025)

Hide in Plain Sight: Clean-Label Backdoor for Auditing Membership Inference
von: Chen, Depeng, et al.
Veröffentlicht: (2024)

Designing an attack-defense game: how to increase robustness of financial transaction models via a competition
von: Zaytsev, Alexey, et al.
Veröffentlicht: (2023)

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

Noisy Neighbors: Efficient membership inference attacks against LLMs
von: Galli, Filippo, et al.
Veröffentlicht: (2024)

Embedding-based classifiers can detect prompt injection attacks
von: Ayub, Md. Ahsan, et al.
Veröffentlicht: (2024)

Evaluating lightweight unsupervised online IDS for masquerade attacks in CAN
von: Moriano, Pablo, et al.
Veröffentlicht: (2024)

Detection of ransomware attacks using federated learning based on the CNN model
von: Nguyen, Hong-Nhung, et al.
Veröffentlicht: (2024)

When Labels Are Scarce: A Systematic Mapping of Label-Efficient Code Vulnerability Detection
von: Khalal, Noor, et al.
Veröffentlicht: (2026)

Label-efficient Training Updates for Malware Detection over Time
von: Minnei, Luca, et al.
Veröffentlicht: (2026)

Enhancing web traffic attacks identification through ensemble methods and feature selection
von: Urda, Daniel, et al.
Veröffentlicht: (2024)

When Intelligence Fails: An Empirical Study on Why LLMs Struggle with Password Cracking
von: Rehman, Mohammad Abdul, et al.
Veröffentlicht: (2025)

Similarity-based Label Inference Attack against Training and Inference of Split Learning
von: Liu, Junlin, et al.
Veröffentlicht: (2022)