Buchumschlag

Counterfactual Influence as a Distributional Quantity

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Meeus, Matthieu, Shilov, Igor, Kaissis, Georgios, de Montjoye, Yves-Alexandre
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Computation and Language Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Checkpoint-GCG: Auditing and Attacking Fine-Tuning-Based Prompt Injection Defenses
von: Yang, Xiaoxue, et al.
Veröffentlicht: (2025)

RAT-Bench: A Comprehensive Benchmark for Text Anonymization
von: Krčo, Nataša, et al.
Veröffentlicht: (2026)

SoK: Membership Inference Attacks on LLMs are Rushing Nowhere (and How to Fix It)
von: Meeus, Matthieu, et al.
Veröffentlicht: (2024)

Copyright Traps for Large Language Models
von: Meeus, Matthieu, et al.
Veröffentlicht: (2024)

Did the Neurons Read your Book? Document-level Membership Inference for Large Language Models
von: Meeus, Matthieu, et al.
Veröffentlicht: (2023)

Claudini: Autoresearch Discovers State-of-the-Art Adversarial Attack Algorithms for LLMs
von: Panfilov, Alexander, et al.
Veröffentlicht: (2026)

The Mosaic Memory of Large Language Models
von: Shilov, Igor, et al.
Veröffentlicht: (2024)

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

Synthetic is all you need: removing the auxiliary data assumption for membership inference attacks against synthetic data
von: Guépin, Florent, et al.
Veröffentlicht: (2023)

Achilles' Heels: Vulnerable Record Identification in Synthetic Data Publishing
von: Meeus, Matthieu, et al.
Veröffentlicht: (2023)

The Tail Tells All: Estimating Model-Level Membership Inference Vulnerability Without Reference Models
von: Dodd, Euodia, et al.
Veröffentlicht: (2025)

Free Record-Level Privacy Risk Evaluation Through Artifact-Based Methods
von: Pollock, Joseph, et al.
Veröffentlicht: (2024)

Lost in the Averages: A New Specific Setup to Evaluate Membership Inference Attacks Against Machine Learning Models
von: Krčo, Nataša, et al.
Veröffentlicht: (2024)

The DCR Delusion: Measuring the Privacy Risk of Synthetic Data
von: Yao, Zexi, et al.
Veröffentlicht: (2025)

Incentivising the federation: gradient-based metrics for data selection and valuation in private decentralised training
von: Usynin, Dmitrii, et al.
Veröffentlicht: (2023)

Your Privacy Depends on Others: Collusion Vulnerabilities in Individual Differential Privacy
von: Kaiser, Johannes, et al.
Veröffentlicht: (2026)

The Canary's Echo: Auditing Privacy Risks of LLM-Generated Synthetic Text
von: Meeus, Matthieu, et al.
Veröffentlicht: (2025)

Tuning without Peeking: Provable Generalization Bounds and Robust LLM Post-Training
von: Labiad, Ismail, et al.
Veröffentlicht: (2025)

DiveR-CT: Diversity-enhanced Red Teaming Large Language Model Assistants with Relaxing Constraints
von: Zhao, Andrew, et al.
Veröffentlicht: (2024)

PAL: Proxy-Guided Black-Box Attack on Large Language Models
von: Sitawarin, Chawin, et al.
Veröffentlicht: (2024)

Securing Multi-turn Conversational Language Models From Distributed Backdoor Triggers
von: Tong, Terry, et al.
Veröffentlicht: (2024)

Unifying Re-Identification, Attribute Inference, and Data Reconstruction Risks in Differential Privacy
von: Kulynych, Bogdan, et al.
Veröffentlicht: (2025)

DeSIA: Attribute Inference Attacks Against Limited Fixed Aggregate Statistics
von: Mao, Yifeng, et al.
Veröffentlicht: (2025)

Gaussian DP for Reporting Differential Privacy Guarantees in Machine Learning
von: Gomez, Juan Felipe, et al.
Veröffentlicht: (2025)

Beyond the Calibration Point: Mechanism Comparison in Differential Privacy
von: Kaissis, Georgios, et al.
Veröffentlicht: (2024)

QueryCheetah: Fast Automated Discovery of Attribute Inference Attacks Against Query-Based Systems
von: Stevanoski, Bozhidar, et al.
Veröffentlicht: (2024)

Jailbreak Defense in a Narrow Domain: Limitations of Existing Methods and a New Transcript-Classifier Approach
von: Wang, Tony T., et al.
Veröffentlicht: (2024)

Towards Building a Robust Toxicity Predictor
von: Bespalov, Dmitriy, et al.
Veröffentlicht: (2024)

Textual Unlearning Gives a False Sense of Unlearning
von: Du, Jiacheng, et al.
Veröffentlicht: (2024)

Downstream Trade-offs of a Family of Text Watermarks
von: Ajith, Anirudh, et al.
Veröffentlicht: (2023)

There Are No Silly Questions: Evaluation of Offline LLM Capabilities from a Turkish Perspective
von: Yilmaz, Edibe, et al.
Veröffentlicht: (2026)

Toward a Safer Web: Multilingual Multi-Agent LLMs for Mitigating Adversarial Misinformation Attacks
von: Aldahoul, Nouar, et al.
Veröffentlicht: (2025)

Adversarial Intent is a Latent Variable: Stateful Trust Inference for Securing Multimodal Agentic RAG
von: Singh, Inderjeet, et al.
Veröffentlicht: (2026)

PromptScreen: Efficient Jailbreak Mitigation Using Semantic Linear Classification in a Multi-Staged Pipeline
von: Rao, Akshaj Prashanth, et al.
Veröffentlicht: (2025)

Re-pseudonymization Strategies for Smart Meter Data Are Not Robust to Deep Learning Profiling Attacks
von: Cretu, Ana-Maria, et al.
Veröffentlicht: (2024)

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

Attack-Aware Noise Calibration for Differential Privacy
von: Kulynych, Bogdan, et al.
Veröffentlicht: (2024)

A Systematic Literature Review on LLM Defenses Against Prompt Injection and Jailbreaking: Expanding NIST Taxonomy
von: Correia, Pedro H. Barcha, et al.
Veröffentlicht: (2026)

Sub-optimal Learning in Meta-Classifier Attacks: A Study of Membership Inference on Differentially Private Location Aggregates
von: Liu, Yuhan, et al.
Veröffentlicht: (2024)

A Comprehensive Survey in LLM(-Agent) Full Stack Safety: Data, Training and Deployment
von: Wang, Kun, et al.
Veröffentlicht: (2025)