Buchumschlag

Who's the Evil Twin? Differential Auditing for Undesired Behavior

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Balappanawar, Ishwar, Vattikuti, Venkata Hasith, Kintzley, Greta, Azimi-Mancel, Ronan, Golechha, Satvik
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Tight Auditing of Differential Privacy in MST and AIM
von: Ganev, Georgi, et al.
Veröffentlicht: (2026)

RigorLLM: Resilient Guardrails for Large Language Models against Undesired Content
von: Yuan, Zhuowen, et al.
Veröffentlicht: (2024)

Progress Measures for Grokking on Real-world Tasks
von: Golechha, Satvik
Veröffentlicht: (2024)

Privacy Auditing of Large Language Models
von: Panda, Ashwinee, et al.
Veröffentlicht: (2025)

Auditable Homomorphic-based Decentralized Collaborative AI with Attribute-based Differential Privacy
von: Yeh, Lo-Yao, et al.
Veröffentlicht: (2024)

SWAP: Towards Copyright Auditing of Soft Prompts via Sequential Watermarking
von: Yang, Wenyuan, et al.
Veröffentlicht: (2025)

DATABench: Evaluating Dataset Auditing in Deep Learning from an Adversarial Perspective
von: Shao, Shuo, et al.
Veröffentlicht: (2025)

Hide in Plain Sight: Clean-Label Backdoor for Auditing Membership Inference
von: Chen, Depeng, et al.
Veröffentlicht: (2024)

Predictive Auditing of Hidden Tokens in LLM APIs via Reasoning Length Estimation
von: Wang, Ziyao, et al.
Veröffentlicht: (2025)

Smart Water Security with AI and Blockchain-Enhanced Digital Twins
von: Homaei, Mohammadhossein, et al.
Veröffentlicht: (2025)

MCP Safety Audit: LLMs with the Model Context Protocol Allow Major Security Exploits
von: Radosevich, Brandon, et al.
Veröffentlicht: (2025)

Fair Play for Individuals, Foul Play for Groups? Auditing Anonymization's Impact on ML Fairness
von: Arcolezi, Héber H., et al.
Veröffentlicht: (2025)

TrustChain: A Blockchain Framework for Auditing and Verifying Aggregators in Decentralized Federated Learning
von: Hallaji, Ehsan, et al.
Veröffentlicht: (2025)

A White-Box Adversarial Attack Against a Digital Twin
von: Patterson, Wilson, et al.
Veröffentlicht: (2022)

Twin Auto-Encoder Model for Learning Separable Representation in Cyberattack Detection
von: Dinh, Phai Vu, et al.
Veröffentlicht: (2024)

A Review of Digital Twins and their Application in Cybersecurity based on Artificial Intelligence
von: Homaei, MohammadHossein, et al.
Veröffentlicht: (2023)

AuditVotes: A Framework Towards More Deployable Certified Robustness for Graph Neural Networks
von: Lai, Yuni, et al.
Veröffentlicht: (2025)

Privacy Auditing of Multi-domain Graph Pre-trained Model under Membership Inference Attacks
von: Luo, Jiayi, et al.
Veröffentlicht: (2025)

The Dark Side of Digital Twins: Adversarial Attacks on AI-Driven Water Forecasting
von: Homaei, Mohammadhossein, et al.
Veröffentlicht: (2025)

RAG with Differential Privacy
von: Grislain, Nicolas
Veröffentlicht: (2024)

Differentially Private Model Merging
von: Yin, Qichuan, et al.
Veröffentlicht: (2026)

Differentially Private Worst-group Risk Minimization
von: Zhou, Xinyu, et al.
Veröffentlicht: (2024)

Improved Algorithms for Differentially Private Language Model Alignment
von: Chen, Keyu, et al.
Veröffentlicht: (2025)

Differentially Private Iterative Screening Rules for Linear Regression
von: Khanna, Amol, et al.
Veröffentlicht: (2025)

Mind the Gap: Mixtures of Gaussians in Approximate Differential Privacy
von: Liu, Huikang, et al.
Veröffentlicht: (2026)

Differentially Private Deep Model-Based Reinforcement Learning
von: Rio, Alexandre, et al.
Veröffentlicht: (2024)

Near-Optimal Reinforcement Learning with Shuffle Differential Privacy
von: Bai, Shaojie, et al.
Veröffentlicht: (2024)

Provable Differentially Private Computation of the Cross-Attention Mechanism
von: Ke, Yekun, et al.
Veröffentlicht: (2024)

Differentially Private In-Context Learning with Nearest Neighbor Search
von: Koskela, Antti, et al.
Veröffentlicht: (2025)

Evaluating Differentially Private Generation of Domain-Specific Text
von: Sun, Yidan, et al.
Veröffentlicht: (2025)

DPrivBench: Benchmarking LLMs' Reasoning for Differential Privacy
von: Wang, Erchi, et al.
Veröffentlicht: (2026)

Differential Privacy Mechanisms in Neural Tangent Kernel Regression
von: Gu, Jiuxiang, et al.
Veröffentlicht: (2024)

Differentially Private Synthetic Data Release for Topics API Outputs
von: Dick, Travis, et al.
Veröffentlicht: (2025)

Differential Privacy-Driven Framework for Enhancing Heart Disease Prediction
von: Otoum, Yazan, et al.
Veröffentlicht: (2025)

Differentially Private Block-wise Gradient Shuffle for Deep Learning
von: Zagardo, David
Veröffentlicht: (2024)

Position: Challenges and Opportunities for Differential Privacy in the U.S. Federal Government
von: Khanna, Amol, et al.
Veröffentlicht: (2024)

Privacy-Preserving Federated Learning with Differentially Private Hyperdimensional Computing
von: Piran, Fardin Jalil, et al.
Veröffentlicht: (2024)

Federated Split Learning for Human Activity Recognition with Differential Privacy
von: Ndeko, Josue, et al.
Veröffentlicht: (2024)

Data-adaptive Differentially Private Prompt Synthesis for In-Context Learning
von: Gao, Fengyu, et al.
Veröffentlicht: (2024)

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