Buchumschlag

PaniCar: Securing the Perception of Advanced Driving Assistance Systems Against Emergency Vehicle Lighting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Feldman, Elad, Shams, Jacob, Biton, Dudi, Chen, Alfred, Xie, Shaoyuan, Koda, Satoru, Mirsky, Yisroel, Shabtai, Asaf, Elovici, Yuval, Nassi, Ben
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards an End-to-End (E2E) Adversarial Learning and Application in the Physical World
von: Biton, Dudi, et al.
Veröffentlicht: (2025)

A Privacy Enhancing Technique to Evade Detection by Street Video Cameras Without Using Adversarial Accessories
von: Shams, Jacob, et al.
Veröffentlicht: (2025)

Efficient Model Extraction via Boundary Sampling
von: Dor, Maor Biton, et al.
Veröffentlicht: (2024)

Transferability Ranking of Adversarial Examples
von: Levy, Mosh, et al.
Veröffentlicht: (2022)

Provably Protecting Fine-Tuned LLMs from Training Data Extraction while Preserving Utility
von: Segal, Tom, et al.
Veröffentlicht: (2026)

DOMBA: Double Model Balancing for Access-Controlled Language Models via Minimum-Bounded Aggregation
von: Segal, Tom, et al.
Veröffentlicht: (2024)

SoK: Cybersecurity Assessment of Humanoid Ecosystem
von: Surve, Priyanka Prakash, et al.
Veröffentlicht: (2025)

DeSparsify: Adversarial Attack Against Token Sparsification Mechanisms in Vision Transformers
von: Yehezkel, Oryan, et al.
Veröffentlicht: (2024)

MIA-EPT: Membership Inference Attack via Error Prediction for Tabular Data
von: German, Eyal, et al.
Veröffentlicht: (2025)

QuantAttack: Exploiting Dynamic Quantization to Attack Vision Transformers
von: Baras, Amit, et al.
Veröffentlicht: (2023)

Addressing Key Challenges of Adversarial Attacks and Defenses in the Tabular Domain: A Methodological Framework for Coherence and Consistency
von: Itzhakev, Yael, et al.
Veröffentlicht: (2024)

RAPID: Robust APT Detection and Investigation Using Context-Aware Deep Learning
von: Amaru, Yonatan, et al.
Veröffentlicht: (2024)

Real-World Adversarial Attacks on RF-Based Drone Detectors
von: Gazit, Omer, et al.
Veröffentlicht: (2025)

Tag&Tab: Pretraining Data Detection in Large Language Models Using Keyword-Based Membership Inference Attack
von: Antebi, Sagiv, et al.
Veröffentlicht: (2025)

LLMCloudHunter: Harnessing LLMs for Automated Extraction of Detection Rules from Cloud-Based CTI
von: Schwartz, Yuval, et al.
Veröffentlicht: (2024)

RuleGenie: SIEM Detection Rule Set Optimization
von: Shukla, Akansha, et al.
Veröffentlicht: (2025)

From Tool Orchestration to Code Execution: A Study of MCP Design Choices
von: Felendler, Yuval, et al.
Veröffentlicht: (2026)

Rogue Cell: Adversarial Attack and Defense in Untrusted O-RAN Setup Exploiting the Traffic Steering xApp
von: Aizikovich, Eran, et al.
Veröffentlicht: (2025)

LexiMark: Robust Watermarking via Lexical Substitutions to Enhance Membership Verification of an LLM's Textual Training Data
von: German, Eyal, et al.
Veröffentlicht: (2025)

GenKubeSec: LLM-Based Kubernetes Misconfiguration Detection, Localization, Reasoning, and Remediation
von: Malul, Ehud, et al.
Veröffentlicht: (2024)

ImpReSS: Implicit Recommender System for Support Conversations
von: Haller, Omri, et al.
Veröffentlicht: (2025)

Tab-MIA: A Benchmark Dataset for Membership Inference Attacks on Tabular Data in LLMs
von: German, Eyal, et al.
Veröffentlicht: (2025)

Detection of Compromised Functions in a Serverless Cloud Environment
von: Lavi, Danielle, et al.
Veröffentlicht: (2024)

UEFI Memory Forensics: A Framework for UEFI Threat Analysis
von: Segal, Kalanit Suzan, et al.
Veröffentlicht: (2025)

PEAS: A Strategy for Crafting Transferable Adversarial Examples
von: Avraham, Bar, et al.
Veröffentlicht: (2024)

Counter-Samples: A Stateless Strategy to Neutralize Black Box Adversarial Attacks
von: Bokobza, Roey, et al.
Veröffentlicht: (2024)

AgentGuardian: Learning Access Control Policies to Govern AI Agent Behavior
von: Abaev, Nadya, et al.
Veröffentlicht: (2026)

GPT in Sheep's Clothing: The Risk of Customized GPTs
von: Antebi, Sagiv, et al.
Veröffentlicht: (2024)

SHIELD: APT Detection and Intelligent Explanation Using LLM
von: Gandhi, Parth Atulbhai, et al.
Veröffentlicht: (2025)

Peacock: UEFI Firmware Runtime Observability Layer for Detection and Response
von: Gorelik, Hadar Cochavi, et al.
Veröffentlicht: (2026)

KubeGuard: LLM-Assisted Kubernetes Hardening via Configuration Files and Runtime Logs Analysis
von: Cohen, Omri Sgan, et al.
Veröffentlicht: (2025)

One Step to the Side: Why Defenses Against Malicious Finetuning Fail Under Adaptive Adversaries
von: Zloczower, Itay, et al.
Veröffentlicht: (2026)

ProfiLLM: An LLM-Based Framework for Implicit Profiling of Chatbot Users
von: David, Shahaf, et al.
Veröffentlicht: (2025)

Rule-ATT&CK Mapper (RAM): Mapping SIEM Rules to TTPs Using LLMs
von: Wudali, Prasanna N., et al.
Veröffentlicht: (2025)

DIESEL -- Dynamic Inference-Guidance via Evasion of Semantic Embeddings in LLMs
von: Ganon, Ben, et al.
Veröffentlicht: (2024)

SecMate: Multi-Agent Adaptive Cybersecurity Troubleshooting with Tri-Context Personalization
von: Meidan, Yair, et al.
Veröffentlicht: (2026)

The Promptware Kill Chain: How Prompt Injections Gradually Evolved Into a Multistep Malware Delivery Mechanism
von: Brodt, Oleg, et al.
Veröffentlicht: (2026)

SAFEdit: Does Multi-Agent Decomposition Resolve the Reliability Challenges of Instructed Code Editing?
von: Tarshish, Noam, et al.
Veröffentlicht: (2026)

ATAG: AI-Agent Application Threat Assessment with Attack Graphs
von: Gandhi, Parth Atulbhai, et al.
Veröffentlicht: (2025)

Transpose Attack: Stealing Datasets with Bidirectional Training
von: Amit, Guy, et al.
Veröffentlicht: (2023)