:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Canetti, Ran, Linder, Ephraim, Wagaman, Connor
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	https://arxiv.org/abs/2510.05440
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Separating Oblivious and Adaptive Differential Privacy under Continual Observation
von: Bun, Mark, et al.
Veröffentlicht: (2026)

Time-Aware Projections: Truly Node-Private Graph Statistics under Continual Observation
von: Jain, Palak, et al.
Veröffentlicht: (2024)

Differentially Private Release of Israel's National Registry of Live Births
von: Hod, Shlomi, et al.
Veröffentlicht: (2024)

Local Node Differential Privacy
von: Raskhodnikova, Sofya, et al.
Veröffentlicht: (2026)

Learning the Language of NVMe Streams for Ransomware Detection
von: Bringoltz, Barak, et al.
Veröffentlicht: (2025)

Concept-ROT: Poisoning Concepts in Large Language Models with Model Editing
von: Grimes, Keltin, et al.
Veröffentlicht: (2024)

Differentially Private Federated Learning: A Systematic Review
von: Fu, Jie, et al.
Veröffentlicht: (2024)

Zero-Knowledge Mechanisms
von: Canetti, Ran, et al.
Veröffentlicht: (2023)

FHE-Agent: Automating CKKS Configuration for Practical Encrypted Inference via an LLM-Guided Agentic Framework
von: Xu, Nuo, et al.
Veröffentlicht: (2025)

TAPAS: Datasets for Learning the Learning with Errors Problem
von: Saxena, Eshika, et al.
Veröffentlicht: (2025)

On the Conflict of Robustness and Learning in Collaborative Machine Learning
von: Raynal, Mathilde, et al.
Veröffentlicht: (2024)

LARGO: Latent Adversarial Reflection through Gradient Optimization for Jailbreaking LLMs
von: Li, Ran, et al.
Veröffentlicht: (2025)

CCLab: Adversarial Testing of Learning- and Non-Learning-Based Congestion Controllers
von: Chen, Zhi, et al.
Veröffentlicht: (2026)

Privacy Challenges in Meta-Learning: An Investigation on Model-Agnostic Meta-Learning
von: Rafiei, Mina, et al.
Veröffentlicht: (2024)

VEXA: Evidence-Grounded and Persona-Adaptive Explanations for Scam Risk Sensemaking
von: An, Heajun, et al.
Veröffentlicht: (2026)

Neural Exec: Learning (and Learning from) Execution Triggers for Prompt Injection Attacks
von: Pasquini, Dario, et al.
Veröffentlicht: (2024)

Optimized Approaches to Malware Detection: A Study of Machine Learning and Deep Learning Techniques
von: Fahim, Abrar, et al.
Veröffentlicht: (2025)

ModSec-AdvLearn: Countering Adversarial SQL Injections with Robust Machine Learning
von: Floris, Giuseppe, et al.
Veröffentlicht: (2023)

On the Privacy Risk of In-context Learning
von: Duan, Haonan, et al.
Veröffentlicht: (2024)

Attacks on fairness in Federated Learning
von: Rance, Joseph, et al.
Veröffentlicht: (2023)

Learned-Database Systems Security
von: Schuster, Roei, et al.
Veröffentlicht: (2022)

Privacy Attacks in Decentralized Learning
von: Mrini, Abdellah El, et al.
Veröffentlicht: (2024)

Federated Learning with Relative Fairness
von: Nakakita, Shogo, et al.
Veröffentlicht: (2024)

SecureLearn -- An Attack-agnostic Defense for Multiclass Machine Learning Against Data Poisoning Attacks
von: Paracha, Anum, et al.
Veröffentlicht: (2025)

A Lightweight and Secure Deep Learning Model for Privacy-Preserving Federated Learning in Intelligent Enterprises
von: Fotohi, Reza, et al.
Veröffentlicht: (2025)

Meta-FL: A Novel Meta-Learning Framework for Optimizing Heterogeneous Model Aggregation in Federated Learning
von: Alsulaimawi, Zahir
Veröffentlicht: (2024)

Agentic Privacy-Preserving Machine Learning
von: Zhang, Mengyu, et al.
Veröffentlicht: (2025)

Machine Learning with Privacy for Protected Attributes
von: Mahloujifar, Saeed, et al.
Veröffentlicht: (2025)

On the (In)Security of Loading Machine Learning Models
von: Digregorio, Gabriele, et al.
Veröffentlicht: (2025)

Persistent Backdoor Attacks in Continual Learning
von: Guo, Zhen, et al.
Veröffentlicht: (2024)

The Fundamental Limits of Least-Privilege Learning
von: Stadler, Theresa, et al.
Veröffentlicht: (2024)

On the Efficiency of Privacy Attacks in Federated Learning
von: Tabassum, Nawrin, et al.
Veröffentlicht: (2024)

Model Hijacking Attack in Federated Learning
von: Li, Zheng, et al.
Veröffentlicht: (2024)

Preserving Privacy and Security in Federated Learning
von: Nguyen, Truc, et al.
Veröffentlicht: (2022)

Neutral Agent-based Adversarial Policy Learning against Deep Reinforcement Learning in Multi-party Open Systems
von: Peng, Qizhou, et al.
Veröffentlicht: (2025)

On the Out-of-Distribution Backdoor Attack for Federated Learning
von: Xu, Jiahao, et al.
Veröffentlicht: (2025)

GShield: Mitigating Poisoning Attacks in Federated Learning
von: M., Sameera K., et al.
Veröffentlicht: (2025)

Temporal Analysis of Adversarial Attacks in Federated Learning
von: Mapakshi, Rohit, et al.
Veröffentlicht: (2025)

Learning to Localize Leakage of Cryptographic Sensitive Variables
von: Gammell, Jimmy, et al.
Veröffentlicht: (2025)

Traceable Black-box Watermarks for Federated Learning
von: Xu, Jiahao, et al.
Veröffentlicht: (2025)