Buchumschlag

PEEL the Layers and Find Yourself: Revisiting Inference-time Data Leakage for Residual Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Arif, Huzaifa, Murugesan, Keerthiram, Das, Payel, Gittens, Alex, Chen, Pin-Yu
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Cryptography and Security Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Patching LLM Like Software: A Lightweight Method for Improving Safety Policy in Large Language Models
von: Arif, Huzaifa, et al.
Veröffentlicht: (2025)

PEEL: A Poisoning-Exposing Encoding Theoretical Framework for Local Differential Privacy
von: Shuai, Lisha, et al.
Veröffentlicht: (2025)

Revisiting Privacy Leakage in Machine Unlearning: Membership Inference Beyond the Forgotten Set
von: Fu, Jie, et al.
Veröffentlicht: (2026)

Improving Image Data Leakage Detection in Automotive Software
von: Babu, Md Abu Ahammed, et al.
Veröffentlicht: (2024)

Revisiting the Privacy Risks of Split Inference: A GAN-Based Data Reconstruction Attack via Progressive Feature Optimization
von: Qiu, Yixiang, et al.
Veröffentlicht: (2025)

Is Diffusion Model Safe? Severe Data Leakage via Gradient-Guided Diffusion Model
von: Meng, Jiayang, et al.
Veröffentlicht: (2024)

Functional Encryption in Secure Neural Network Training: Data Leakage and Practical Mitigations
von: Ioniţă, Alexandru, et al.
Veröffentlicht: (2025)

Evading Data Provenance in Deep Neural Networks
von: Zhu, Hongyu, et al.
Veröffentlicht: (2025)

AgentSCOPE: Evaluating Contextual Privacy Across Agentic Workflows
von: Ngong, Ivoline C., et al.
Veröffentlicht: (2026)

Footprints of Data in a Classifier: Understanding the Privacy Risks and Solution Strategies
von: Sadhukhan, Payel, et al.
Veröffentlicht: (2024)

Beyond TVLA: Anderson-Darling Leakage Assessment for Neural Network Side-Channel Leakage Detection
von: Mikulec, Ján, et al.
Veröffentlicht: (2026)

Information Leakage through Physical Layer Supply Voltage Coupling Vulnerability
von: Sanjaya, Sahan, et al.
Veröffentlicht: (2024)

Volley Revolver: A Novel Matrix-Encoding Method for Privacy-Preserving Neural Networks (Inference)
von: Chiang, John
Veröffentlicht: (2022)

Residual Random Neural Networks
von: Andrecut, M.
Veröffentlicht: (2024)

Modeling Linear and Non-linear Layers: An MILP Approach Towards Finding Differential and Impossible Differential Propagations
von: Pal, Debranjan, et al.
Veröffentlicht: (2024)

Revisiting Data Auditing in Large Vision-Language Models
von: Zhu, Hongyu, et al.
Veröffentlicht: (2025)

Are Neuro-Inspired Multi-Modal Vision-Language Models Resilient to Membership Inference Privacy Leakage?
von: Amebley, David, et al.
Veröffentlicht: (2025)

A Framework to Prevent Biometric Data Leakage in the Immersive Technologies Domain
von: Sood, Keshav, et al.
Veröffentlicht: (2025)

Information Leakage in Data Linkage
von: Christen, Peter, et al.
Veröffentlicht: (2025)

Boosting Gradient Leakage Attacks: Data Reconstruction in Realistic FL Settings
von: Fan, Mingyuan, et al.
Veröffentlicht: (2025)

Breaking Euston: Recovering Private Inputs from Secure Inference by Exploiting Subspace Leakage
von: Zhao, Jiaqi, et al.
Veröffentlicht: (2026)

Quantifying Privacy Leakage in Split Inference via Fisher-Approximated Shannon Information Analysis
von: Deng, Ruijun, et al.
Veröffentlicht: (2025)

SONNI: Secure Oblivious Neural Network Inference
von: Sperling, Luke, et al.
Veröffentlicht: (2025)

Backdoor Directions in Vision Transformers
von: Karayalcin, Sengim, et al.
Veröffentlicht: (2026)

Computing Maximal Per-Record Leakage and Leakage-Distortion Functions for Privacy Mechanisms under Entropy-Constrained Adversaries
von: Wu, Genqiang, et al.
Veröffentlicht: (2026)

XNN: Paradigm Shift in Mitigating Identity Leakage within Cloud-Enabled Deep Learning
von: Liu, Kaixin, et al.
Veröffentlicht: (2024)

DeepBaR: Fault Backdoor Attack on Deep Neural Network Layers
von: Martínez-Mejía, C. A., et al.
Veröffentlicht: (2024)

EdgeLeakage: Membership Information Leakage in Distributed Edge Intelligence Systems
von: Chen, Kongyang, et al.
Veröffentlicht: (2024)

Revisiting Edge Perturbation for Graph Neural Network in Graph Data Augmentation and Attack
von: Liu, Xin, et al.
Veröffentlicht: (2024)

CoLA: A Choice Leakage Attack Framework to Expose Privacy Risks in Subset Training
von: Li, Qi, et al.
Veröffentlicht: (2026)

Attack by Yourself: Effective and Unnoticeable Multi-Category Graph Backdoor Attacks with Subgraph Triggers Pool
von: Li, Jiangtong, et al.
Veröffentlicht: (2024)

MixNN: Protection of Federated Learning Against Inference Attacks by Mixing Neural Network Layers
von: Boutet, Antoine, et al.
Veröffentlicht: (2021)

Deep Learning with Data Privacy via Residual Perturbation
von: Tao, Wenqi, et al.
Veröffentlicht: (2024)

Data Availability and Decentralization: New Techniques for zk-Rollups in Layer 2 Blockchain Networks
von: Huang, Chengpeng, et al.
Veröffentlicht: (2024)

FOBNN: Fast Oblivious Inference via Binarized Neural Networks
von: Chen, Xin, et al.
Veröffentlicht: (2024)

PhishGuard: A Multi-Layered Ensemble Model for Optimal Phishing Website Detection
von: Ovi, Md Sultanul Islam, et al.
Veröffentlicht: (2024)

Universal and Efficient Detection of Adversarial Data through Nonuniform Impact on Network Layers
von: Mumcu, Furkan, et al.
Veröffentlicht: (2025)

PrivTru: A Privacy-by-Design Data Trustee Minimizing Information Leakage
von: Gehring, Lukas, et al.
Veröffentlicht: (2025)

Private Data Leakage in Federated Human Activity Recognition for Wearable Healthcare Devices
von: Chen, Kongyang, et al.
Veröffentlicht: (2024)

Propelling Innovation to Defeat Data-Leakage Hardware Trojans: From Theory to Practice
von: Kwiat, Kevin, et al.
Veröffentlicht: (2024)