:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rezkellah, Fatmazohra, Dakhmouche, Ramzi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computation and Language Cryptography and Security Computers and Society Optimization and Control
Online-Zugang:	https://arxiv.org/abs/2510.03567
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Adversarial Representation Engineering: A General Model Editing Framework for Large Language Models
von: Zhang, Yihao, et al.
Veröffentlicht: (2024)

Exploring the Robustness of In-Context Learning with Noisy Labels
von: Cheng, Chen, et al.
Veröffentlicht: (2024)

The Utility and Complexity of in- and out-of-Distribution Machine Unlearning
von: Allouah, Youssef, et al.
Veröffentlicht: (2024)

Secure LLM Fine-Tuning via Safety-Aware Probing
von: Wu, Chengcan, et al.
Veröffentlicht: (2025)

Dynamic Orthogonal Continual Fine-tuning for Mitigating Catastrophic Forgettings
von: Zhang, Zhixin, et al.
Veröffentlicht: (2025)

Boosting Jailbreak Attack with Momentum
von: Zhang, Yihao, et al.
Veröffentlicht: (2024)

RAPO: Risk-Aware Preference Optimization for Generalizable Safe Reasoning
von: Wei, Zeming, et al.
Veröffentlicht: (2026)

GSE: Group-wise Sparse and Explainable Adversarial Attacks
von: Sadiku, Shpresim, et al.
Veröffentlicht: (2023)

UCD: Unlearning in LLMs via Contrastive Decoding
von: Suriyakumar, Vinith M., et al.
Veröffentlicht: (2025)

An Adversarial Perspective on Machine Unlearning for AI Safety
von: Łucki, Jakub, et al.
Veröffentlicht: (2024)

Differential Privacy via Distributionally Robust Optimization
von: Selvi, Aras, et al.
Veröffentlicht: (2023)

Unlearning Isn't Deletion: Investigating Reversibility of Machine Unlearning in LLMs
von: Xu, Xiaoyu, et al.
Veröffentlicht: (2025)

SMI: Statistical Membership Inference for Reliable Unlearned Model Auditing
von: Sun, Jialong, et al.
Veröffentlicht: (2026)

Prompt Attacks Reveal Superficial Knowledge Removal in Unlearning Methods
von: Jang, Yeonwoo, et al.
Veröffentlicht: (2025)

Towards Robust Knowledge Unlearning: An Adversarial Framework for Assessing and Improving Unlearning Robustness in Large Language Models
von: Yuan, Hongbang, et al.
Veröffentlicht: (2024)

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

Efficient Optimization Algorithms for Linear Adversarial Training
von: RIbeiro, Antônio H., et al.
Veröffentlicht: (2024)

Expected Harm: Rethinking Safety Evaluation of (Mis)Aligned LLMs
von: Chen, Yen-Shan, et al.
Veröffentlicht: (2026)

Second-Order Min-Max Optimization with Lazy Hessians
von: Chen, Lesi, et al.
Veröffentlicht: (2024)

Kernel Learning with Adversarial Features: Numerical Efficiency and Adaptive Regularization
von: Ribeiro, Antônio H., et al.
Veröffentlicht: (2025)

LLM Defenses Are Not Robust to Multi-Turn Human Jailbreaks Yet
von: Li, Nathaniel, et al.
Veröffentlicht: (2024)

k-SemStamp: A Clustering-Based Semantic Watermark for Detection of Machine-Generated Text
von: Hou, Abe Bohan, et al.
Veröffentlicht: (2024)

SimMark: A Robust Sentence-Level Similarity-Based Watermarking Algorithm for Large Language Models
von: Dabiriaghdam, Amirhossein, et al.
Veröffentlicht: (2025)

Identifying and Understanding Cross-Class Features in Adversarial Training
von: Wei, Zeming, et al.
Veröffentlicht: (2025)

Byzantine-Robust and Differentially Private Federated Optimization under Weaker Assumptions
von: Islamov, Rustem, et al.
Veröffentlicht: (2026)

OBLIVIATE: Robust and Practical Machine Unlearning for Large Language Models
von: Xu, Xiaoyu, et al.
Veröffentlicht: (2025)

Calibrated Adversarial Sampling: Multi-Armed Bandit-Guided Generalization Against Unforeseen Attacks
von: Wang, Rui, et al.
Veröffentlicht: (2025)

Machine Unlearning Fails to Remove Data Poisoning Attacks
von: Pawelczyk, Martin, et al.
Veröffentlicht: (2024)

Hidden Poison: Machine Unlearning Enables Camouflaged Poisoning Attacks
von: Di, Jimmy Z., et al.
Veröffentlicht: (2022)

On the Duality Between Sharpness-Aware Minimization and Adversarial Training
von: Zhang, Yihao, et al.
Veröffentlicht: (2024)

Smoothed Normalization for Efficient Distributed Private Optimization
von: Shulgin, Egor, et al.
Veröffentlicht: (2025)

Residual-Evasive Attacks on ADMM in Distributed Optimization
von: Bruckmeier, Sabrina, et al.
Veröffentlicht: (2025)

FedADMM-InSa: An Inexact and Self-Adaptive ADMM for Federated Learning
von: Song, Yongcun, et al.
Veröffentlicht: (2024)

The Privacy Power of Correlated Noise in Decentralized Learning
von: Allouah, Youssef, et al.
Veröffentlicht: (2024)

SafeCOMM: A Study on Safety Degradation in Fine-Tuned Telecom Large Language Models
von: Djuhera, Aladin, et al.
Veröffentlicht: (2025)

BadFair: Backdoored Fairness Attacks with Group-conditioned Triggers
von: Xue, Jiaqi, et al.
Veröffentlicht: (2024)

Automatic Pseudo-Harmful Prompt Generation for Evaluating False Refusals in Large Language Models
von: An, Bang, et al.
Veröffentlicht: (2024)

In the Name of Fairness: Assessing the Bias in Clinical Record De-identification
von: Xiao, Yuxin, et al.
Veröffentlicht: (2023)

PromptRobust: Towards Evaluating the Robustness of Large Language Models on Adversarial Prompts
von: Zhu, Kaijie, et al.
Veröffentlicht: (2023)

Self-Evaluation as a Defense Against Adversarial Attacks on LLMs
von: Brown, Hannah, et al.
Veröffentlicht: (2024)