Buchumschlag

ReCIT: Reconstructing Full Private Data from Gradient in Parameter-Efficient Fine-Tuning of Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xie, Jin, He, Ruishi, Li, Songze, Jia, Xiaojun, Ji, Shouling
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Knowledge-Driven Multi-Turn Jailbreaking on Large Language Models
von: Li, Songze, et al.
Veröffentlicht: (2026)

CryptPEFT: Efficient and Private Neural Network Inference via Parameter-Efficient Fine-Tuning
von: Xia, Saisai, et al.
Veröffentlicht: (2025)

Differentially Private Parameter-Efficient Fine-tuning for Large ASR Models
von: Liu, Hongbin, et al.
Veröffentlicht: (2024)

Attributing and Exploiting Safety Vectors through Global Optimization in Large Language Models
von: Chu, Fengheng, et al.
Veröffentlicht: (2026)

CODE: A Contradiction-Based Deliberation Extension Framework for Overthinking Attacks on Retrieval-Augmented Generation
von: Zhang, Xiaolei, et al.
Veröffentlicht: (2026)

TUNI: A Textual Unimodal Detector for Identity Inference in CLIP Models
von: Li, Songze, et al.
Veröffentlicht: (2024)

Differentially Private Subspace Fine-Tuning for Large Language Models
von: Zheng, Lele, et al.
Veröffentlicht: (2026)

Privacy-Preserving Parameter-Efficient Fine-Tuning for Large Language Model Services
von: Li, Yansong, et al.
Veröffentlicht: (2023)

TooBadRL: Trigger Optimization to Boost Effectiveness of Backdoor Attacks on Deep Reinforcement Learning
von: Zhang, Mingxuan, et al.
Veröffentlicht: (2025)

PEFTGuard: Detecting Backdoor Attacks Against Parameter-Efficient Fine-Tuning
von: Sun, Zhen, et al.
Veröffentlicht: (2024)

Dual-Priv Pruning : Efficient Differential Private Fine-Tuning in Multimodal Large Language Models
von: Wei, Qianshan, et al.
Veröffentlicht: (2025)

SEAL-Tag: Self-Tag Evidence Aggregation with Probabilistic Circuits for PII-Safe Retrieval-Augmented Generation
von: Xie, Jin, et al.
Veröffentlicht: (2026)

Unveiling the Security Risks of Federated Learning in the Wild: From Research to Practice
von: Chen, Jiahao, et al.
Veröffentlicht: (2026)

Efficient Differentially Private Fine-Tuning of Diffusion Models
von: Liu, Jing, et al.
Veröffentlicht: (2024)

Privacy-preserving Prompt Personalization in Federated Learning for Multimodal Large Language Models
von: Hou, Sizai, et al.
Veröffentlicht: (2025)

Towards Identification and Intervention of Safety-Critical Parameters in Large Language Models
von: Qi, Weiwei, et al.
Veröffentlicht: (2026)

DP-SelFT: Differentially Private Selective Fine-Tuning for Large Language Models
von: Sha, Haichao, et al.
Veröffentlicht: (2026)

When FinTech Meets Privacy: Securing Financial LLMs with Differential Private Fine-Tuning
von: Zhu, Sichen, et al.
Veröffentlicht: (2025)

Cross-Modal Backdoors in Multimodal Large Language Models
von: Wang, Runhe, et al.
Veröffentlicht: (2026)

BackdoorIndicator: Leveraging OOD Data for Proactive Backdoor Detection in Federated Learning
von: Li, Songze, et al.
Veröffentlicht: (2024)

DPZero: Private Fine-Tuning of Language Models without Backpropagation
von: Zhang, Liang, et al.
Veröffentlicht: (2023)

Differentially Private and Communication Efficient Large Language Model Split Inference via Stochastic Quantization and Soft Prompt
von: Gu, Yujie, et al.
Veröffentlicht: (2026)

PEFT-as-an-Attack! Jailbreaking Language Models during Federated Parameter-Efficient Fine-Tuning
von: Li, Shenghui, et al.
Veröffentlicht: (2024)

Certified PEFTSmoothing: Parameter-Efficient Fine-Tuning with Randomized Smoothing
von: Fu, Chengyan, et al.
Veröffentlicht: (2024)

HashVFL: Defending Against Data Reconstruction Attacks in Vertical Federated Learning
von: Qiu, Pengyu, et al.
Veröffentlicht: (2022)

LLMs Cannot Reliably Judge (Yet?): A Comprehensive Assessment on the Robustness of LLM-as-a-Judge
von: Li, Songze, et al.
Veröffentlicht: (2025)

Towards Scalable and Interpretable Mobile App Risk Analysis via Large Language Models
von: Yang, Yu, et al.
Veröffentlicht: (2025)

PRIVMARK: Private Large Language Models Watermarking with MPC
von: Fargues, Thomas, et al.
Veröffentlicht: (2025)

Gradient Inversion Attacks on Parameter-Efficient Fine-Tuning
von: Sami, Hasin Us, et al.
Veröffentlicht: (2025)

Fine-tuning is Not Fine: Mitigating Backdoor Attacks in GNNs with Limited Clean Data
von: Zhang, Jiale, et al.
Veröffentlicht: (2025)

Improving Parameter-Efficient Federated Learning with Differentially Private Refactorization
von: Tran, Linh, et al.
Veröffentlicht: (2026)

Static Semantics Reconstruction for Enhancing JavaScript-WebAssembly Multilingual Malware Detection
von: Xia, Yifan, et al.
Veröffentlicht: (2023)

URVFL: Undetectable Data Reconstruction Attack on Vertical Federated Learning
von: Yao, Duanyi, et al.
Veröffentlicht: (2024)

Differentially-Private Data Synthetisation for Efficient Re-Identification Risk Control
von: Carvalho, Tânia, et al.
Veröffentlicht: (2022)

Efficient Full-Stack Private Federated Deep Learning with Post-Quantum Security
von: Zhang, Yiwei, et al.
Veröffentlicht: (2025)

DeepReShape: Redesigning Neural Networks for Efficient Private Inference
von: Jha, Nandan Kumar, et al.
Veröffentlicht: (2023)

OmniLytics+: A Secure, Efficient, and Affordable Blockchain Data Market for Machine Learning through Off-Chain Processing
von: Li, Songze, et al.
Veröffentlicht: (2024)

Enhancing Adversarial Transferability with Adversarial Weight Tuning
von: Chen, Jiahao, et al.
Veröffentlicht: (2024)

Defending Against Weight-Poisoning Backdoor Attacks for Parameter-Efficient Fine-Tuning
von: Zhao, Shuai, et al.
Veröffentlicht: (2024)

LMO-DP: Optimizing the Randomization Mechanism for Differentially Private Fine-Tuning (Large) Language Models
von: Yang, Qin, et al.
Veröffentlicht: (2024)