Buchumschlag

Verifiably Forgotten? Gradient Differences Still Enable Data Reconstruction in Federated Unlearning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Fuyao, Li, Wenjie, Hao, Yurong, Yan, Xinyu, Cao, Yang, Lim, Wei Yang Bryan
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

Oblivionis: A Lightweight Learning and Unlearning Framework for Federated Large Language Models
von: Zhang, Fuyao, et al.
Veröffentlicht: (2025)

DualTAP: A Dual-Task Adversarial Protector for Mobile MLLM Agents
von: Zhang, Fuyao, et al.
Veröffentlicht: (2025)

VENOMREC: Cross-Modal Interactive Poisoning for Targeted Promotion in Multimodal LLM Recommender Systems
von: Guan, Guowei, et al.
Veröffentlicht: (2026)

MPU: Towards Secure and Privacy-Preserving Knowledge Unlearning for Large Language Models
von: Wang, Tiantong, et al.
Veröffentlicht: (2026)

Certifying the Right to Be Forgotten: Primal-Dual Optimization for Sample and Label Unlearning in Vertical Federated Learning
von: Jiang, Yu, et al.
Veröffentlicht: (2025)

Client-Verifiable and Efficient Federated Unlearning in Low-Altitude Wireless Networks
von: Xu, Yuhua, et al.
Veröffentlicht: (2026)

UnlearnShield: Shielding Forgotten Privacy against Unlearning Inversion
von: Xue, Lulu, et al.
Veröffentlicht: (2026)

Enhancing Security and Privacy in Federated Learning using Low-Dimensional Update Representation and Proximity-Based Defense
von: Li, Wenjie, et al.
Veröffentlicht: (2024)

Really Unlearned? Verifying Machine Unlearning via Influential Sample Pairs
von: Xu, Heng, et al.
Veröffentlicht: (2024)

Spattack: Subgroup Poisoning Attacks on Federated Recommender Systems
von: Yan, Bo, et al.
Veröffentlicht: (2025)

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

Unlearned but Not Forgotten: Data Extraction after Exact Unlearning in LLM
von: Wu, Xiaoyu, et al.
Veröffentlicht: (2025)

martFL: Enabling Utility-Driven Data Marketplace with a Robust and Verifiable Federated Learning Architecture
von: Li, Qi, et al.
Veröffentlicht: (2023)

Guaranteeing Data Privacy in Federated Unlearning with Dynamic User Participation
von: Liu, Ziyao, et al.
Veröffentlicht: (2024)

Verifiable Unlearning on Edge
von: Maheri, Mohammad M, et al.
Veröffentlicht: (2025)

ICON: Indirect Prompt Injection Defense for Agents based on Inference-Time Correction
von: Wang, Che, et al.
Veröffentlicht: (2026)

Label Inference Attacks against Federated Unlearning
von: Wang, Wei, et al.
Veröffentlicht: (2025)

Recalling The Forgotten Class Memberships: Unlearned Models Can Be Noisy Labelers to Leak Privacy
von: Sui, Zhihao, et al.
Veröffentlicht: (2025)

Enhancing Privacy of Spatiotemporal Federated Learning against Gradient Inversion Attacks
von: Zheng, Lele, et al.
Veröffentlicht: (2024)

Privacy-Preserving Federated Unlearning with Certified Client Removal
von: Liu, Ziyao, et al.
Veröffentlicht: (2024)

Self-Supervised Federated GNSS Spoofing Detection with Opportunistic Data
von: Liu, Wenjie, et al.
Veröffentlicht: (2025)

Federated Learning with Anomaly Detection via Gradient and Reconstruction Analysis
von: Alsulaimawi, Zahir
Veröffentlicht: (2024)

A Survey on Federated Unlearning: Challenges, Methods, and Future Directions
von: Liu, Ziyao, et al.
Veröffentlicht: (2023)

Mirror Mirror on the Wall, Have I Forgotten it All? A New Framework for Evaluating Machine Unlearning
von: Brimhall, Brennon, et al.
Veröffentlicht: (2025)

Efficient Federated Unlearning with Adaptive Differential Privacy Preservation
von: Jiang, Yu, et al.
Veröffentlicht: (2024)

BlockFUL: Enabling Unlearning in Blockchained Federated Learning
von: Liu, Xiao, et al.
Veröffentlicht: (2024)

FedSGT: Exact Federated Unlearning via Sequential Group-based Training
von: Zhang, Bokang, et al.
Veröffentlicht: (2025)

DataSeal: Ensuring the Verifiability of Private Computation on Encrypted Data
von: Santriaji, Muhammad Husni, et al.
Veröffentlicht: (2024)

DECIFR: Domain-Aware Exfiltration of Circuit Information from Federated Gradient Reconstruction
von: Lee, Gijung, et al.
Veröffentlicht: (2026)

Federated TrustChain: Blockchain-Enhanced LLM Training and Unlearning
von: Zuo, Xuhan, et al.
Veröffentlicht: (2024)

Machine Unlearning with Minimal Gradient Dependence for High Unlearning Ratios
von: Huang, Tao, et al.
Veröffentlicht: (2024)

Contrastive Unlearning: A Contrastive Approach to Machine Unlearning
von: Lee, Hong kyu, et al.
Veröffentlicht: (2024)

Federated Unlearning for Human Activity Recognition
von: Chen, Kongyang, et al.
Veröffentlicht: (2024)

The Gradient Puppeteer: Adversarial Domination in Gradient Leakage Attacks through Model Poisoning
von: Xiang, Kunlan, et al.
Veröffentlicht: (2025)

Hardware-Enabled Mechanisms for Verifying Responsible AI Development
von: O'Gara, Aidan, et al.
Veröffentlicht: (2025)

Generate-then-Verify: Reconstructing Data from Limited Published Statistics
von: Liu, Terrance, et al.
Veröffentlicht: (2025)

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

MAUI: Reconstructing Private Client Data in Federated Transfer Learning
von: Dabholkar, Ahaan, et al.
Veröffentlicht: (2025)

LADSG: Label-Anonymized Distillation and Similar Gradient Substitution for Label Privacy in Vertical Federated Learning
von: Yan, Zeyu, et al.
Veröffentlicht: (2025)

HeteroFedSyn: Differentially Private Tabular Data Synthesis for Heterogeneous Federated Settings
von: Li, Xiaochen, et al.
Veröffentlicht: (2026)