Buchumschlag

Kill Two Birds with One Stone! Trajectory enabled Unified Online Detection of Adversarial Examples and Backdoor Attacks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fu, Anmin, Meng, Fanyu, Peng, Huaibing, Ma, Hua, Zhang, Zhi, Zheng, Yifeng, Susilo, Willy, Gao, Yansong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

From Pixels to Trajectory: Universal Adversarial Example Detection via Temporal Imprints
von: Gao, Yansong, et al.
Veröffentlicht: (2025)

Intellectual Property Protection for Deep Learning Model and Dataset Intelligence
von: Jiang, Yongqi, et al.
Veröffentlicht: (2024)

One Stone, Two Birds: Enhancing Adversarial Defense Through the Lens of Distributional Discrepancy
von: Zhang, Jiacheng, et al.
Veröffentlicht: (2025)

Isolate Trigger: Detecting and Eliminating Adaptive Backdoor Attacks
von: Sun, Chengrui, et al.
Veröffentlicht: (2025)

One-to-Multiple Clean-Label Image Camouflage (OmClic) based Backdoor Attack on Deep Learning
von: Wang, Guohong, et al.
Veröffentlicht: (2023)

Watch Out! Simple Horizontal Class Backdoor Can Trivially Evade Defense
von: Ma, Hua, et al.
Veröffentlicht: (2023)

Killing Two Birds with One Stone: Malicious Package Detection in NPM and PyPI using a Single Model of Malicious Behavior Sequence
von: Zhang, Junan, et al.
Veröffentlicht: (2023)

Two Birds with One Stone: Differential Privacy by Low-power SRAM Memory
von: Liu, Jianqing, et al.
Veröffentlicht: (2024)

Comprehensive Evaluation of Cloaking Backdoor Attacks on Object Detector in Real-World
von: Ma, Hua, et al.
Veröffentlicht: (2025)

ArmSSL: Adversarial Robust Black-Box Watermarking for Self-Supervised Learning Pre-trained Encoders
von: Jiang, Yongqi, et al.
Veröffentlicht: (2026)

Repurposing and Evaluating the (In)Feasibility of Dataset Poisoning enabled Watermarking for Contrastive Learning
von: Dai, Zhiyang, et al.
Veröffentlicht: (2026)

FedGuard: A Diverse-Byzantine-Robust Mechanism for Federated Learning with Major Malicious Clients
von: Jiang, Haocheng, et al.
Veröffentlicht: (2025)

Two Birds with One Stone: Multi-Task Detection and Attribution of LLM-Generated Text
von: Rao, Zixin, et al.
Veröffentlicht: (2025)

M-to-N Backdoor Paradigm: A Multi-Trigger and Multi-Target Attack to Deep Learning Models
von: Hou, Linshan, et al.
Veröffentlicht: (2022)

Traceable Signatures from Lattices
von: Tran, Nam, et al.
Veröffentlicht: (2025)

Decaf: Data Distribution Decompose Attack against Federated Learning
von: Dai, Zhiyang, et al.
Veröffentlicht: (2024)

CompLeak: Deep Learning Model Compression Exacerbates Privacy Leakage
von: Li, Na, et al.
Veröffentlicht: (2025)

Transferable Backdoor Attacks for Code Models via Sharpness-Aware Adversarial Perturbation
von: Chang, Shuyu, et al.
Veröffentlicht: (2026)

Large Language Model Adversarial Landscape Through the Lens of Attack Objectives
von: Wang, Nan, et al.
Veröffentlicht: (2025)

Effectiveness of Adversarial Benign and Malware Examples in Evasion and Poisoning Attacks
von: Kozák, Matouš, et al.
Veröffentlicht: (2025)

Adversarial Inception Backdoor Attacks against Reinforcement Learning
von: Rathbun, Ethan, et al.
Veröffentlicht: (2024)

Empowering IoT Firmware Secure Update with Customization Rights
von: Chen, Weihao, et al.
Veröffentlicht: (2025)

Evasive Ransomware Attacks Using Low-level Behavioral Adversarial Examples
von: Hirano, Manabu, et al.
Veröffentlicht: (2025)

Machine Unlearning: Taxonomy, Metrics, Applications, Challenges, and Prospects
von: Li, Na, et al.
Veröffentlicht: (2024)

Double Backdoored: Converting Code Large Language Model Backdoors to Traditional Malware via Adversarial Instruction Tuning Attacks
von: Hossen, Md Imran, et al.
Veröffentlicht: (2024)

Let the Noise Speak: Harnessing Noise for a Unified Defense Against Adversarial and Backdoor Attacks
von: Shahriar, Md Hasan, et al.
Veröffentlicht: (2024)

The Power of Bamboo: On the Post-Compromise Security for Searchable Symmetric Encryption
von: Chen, Tianyang, et al.
Veröffentlicht: (2024)

Clean-image Backdoor Attacks
von: Rong, Dazhong, et al.
Veröffentlicht: (2024)

BadDLM: Backdooring Diffusion Language Models with Diverse Targets
von: Zhai, Shengfang, et al.
Veröffentlicht: (2026)

Stealthy Targeted Backdoor Attacks against Image Captioning
von: Fan, Wenshu, et al.
Veröffentlicht: (2024)

AttackBench: Evaluating Gradient-based Attacks for Adversarial Examples
von: Cinà, Antonio Emanuele, et al.
Veröffentlicht: (2024)

Inhibitory Attacks on Backdoor-based Fingerprinting for Large Language Models
von: Fu, Hang, et al.
Veröffentlicht: (2026)

NCCR: to Evaluate the Robustness of Neural Networks and Adversarial Examples
von: Pu, Shi, et al.
Veröffentlicht: (2025)

AttackVLA: Benchmarking Adversarial and Backdoor Attacks on Vision-Language-Action Models
von: Li, Jiayu, et al.
Veröffentlicht: (2025)

Improving Transferability of Adversarial Examples via Bayesian Attacks
von: Li, Qizhang, et al.
Veröffentlicht: (2023)

BadSNN: Backdoor Attacks on Spiking Neural Networks via Adversarial Spiking Neuron
von: Miah, Abdullah Arafat, et al.
Veröffentlicht: (2026)

Combinational Backdoor Attack against Customized Text-to-Image Models
von: Jiang, Wenbo, et al.
Veröffentlicht: (2024)

Killing Two Birds with One Stone: Unifying Retrieval and Ranking with a Single Generative Recommendation Model
von: Zhang, Luankang, et al.
Veröffentlicht: (2025)

Token-Modification Adversarial Attacks for Natural Language Processing: A Survey
von: Roth, Tom, et al.
Veröffentlicht: (2021)

Detecting Adversarial Examples
von: Mumcu, Furkan, et al.
Veröffentlicht: (2024)