Buchumschlag

Fast-MIA: Efficient and Scalable Membership Inference for LLMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Takahashi, Hiromu, Ishihara, Shotaro
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Tab-MIA: A Benchmark Dataset for Membership Inference Attacks on Tabular Data in LLMs
von: German, Eyal, et al.
Veröffentlicht: (2025)

DocMIA: Document-Level Membership Inference Attacks against DocVQA Models
von: Nguyen, Khanh, et al.
Veröffentlicht: (2025)

Membership Inference Attacks Against In-Context Learning
von: Wen, Rui, et al.
Veröffentlicht: (2024)

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

ImpMIA: Leveraging Implicit Bias for Membership Inference Attack
von: Golbari, Yuval, et al.
Veröffentlicht: (2025)

Towards Label-Only Membership Inference Attack against Pre-trained Large Language Models
von: He, Yu, et al.
Veröffentlicht: (2025)

Membership Inference Attacks and Privacy in Topic Modeling
von: Manzonelli, Nico, et al.
Veröffentlicht: (2024)

SeqMIA: Sequential-Metric Based Membership Inference Attack
von: Li, Hao, et al.
Veröffentlicht: (2024)

AutoMIA: Improved Baselines for Membership Inference Attack via Agentic Self-Exploration
von: Liu, Ruhao, et al.
Veröffentlicht: (2026)

Tag&Tab: Pretraining Data Detection in Large Language Models Using Keyword-Based Membership Inference Attack
von: Antebi, Sagiv, et al.
Veröffentlicht: (2025)

Blind Baselines Beat Membership Inference Attacks for Foundation Models
von: Das, Debeshee, et al.
Veröffentlicht: (2024)

Quantifying Memorization and Detecting Training Data of Pre-trained Language Models using Japanese Newspaper
von: Ishihara, Shotaro, et al.
Veröffentlicht: (2024)

Synthetic Data Can Mislead Evaluations: Membership Inference as Machine Text Detection
von: Naseh, Ali, et al.
Veröffentlicht: (2025)

On the Effectiveness of Membership Inference in Targeted Data Extraction from Large Language Models
von: Sahili, Ali Al, et al.
Veröffentlicht: (2025)

MIA-EPT: Membership Inference Attack via Error Prediction for Tabular Data
von: German, Eyal, et al.
Veröffentlicht: (2025)

MIA-Tuner: Adapting Large Language Models as Pre-training Text Detector
von: Fu, Wenjie, et al.
Veröffentlicht: (2024)

Window-based Membership Inference Attacks Against Fine-tuned Large Language Models
von: Chen, Yuetian, et al.
Veröffentlicht: (2026)

A Bayesian Approach to Membership Inference for Statistical Release
von: Oakley, Lisa, et al.
Veröffentlicht: (2026)

The Hidden Cost of Modeling P(X): Vulnerability to Membership Inference Attacks in Generative Text Classifiers
von: Makroo, Owais, et al.
Veröffentlicht: (2025)

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

P-MIA: A Profiled-Based Membership Inference Attack on Cognitive Diagnosis Models
von: Hou, Mingliang, et al.
Veröffentlicht: (2025)

ReproMIA: A Comprehensive Analysis of Model Reprogramming for Proactive Membership Inference Attacks
von: Huang, Chihan, et al.
Veröffentlicht: (2026)

Automated Membership Inference Attacks: Discovering MIA Signal Computations using LLM Agents
von: Tran, Toan, et al.
Veröffentlicht: (2026)

LoRA-Leak: Membership Inference Attacks Against LoRA Fine-tuned Language Models
von: Ran, Delong, et al.
Veröffentlicht: (2025)

Practical Membership Inference Attacks against Fine-tuned Large Language Models via Self-prompt Calibration
von: Fu, Wenjie, et al.
Veröffentlicht: (2023)

FedMIA: An Effective Membership Inference Attack Exploiting "All for One" Principle in Federated Learning
von: Zhu, Gongxi, et al.
Veröffentlicht: (2024)

E-MIA: Exam-Style Black-Box Membership Inference Attacks against RAG Systems
von: Guan, Zelin, et al.
Veröffentlicht: (2026)

A Simple and Efficient Jailbreak Method Exploiting LLMs' Helpfulness
von: Luo, Xuan, et al.
Veröffentlicht: (2025)

LexiMark: Robust Watermarking via Lexical Substitutions to Enhance Membership Verification of an LLM's Textual Training Data
von: German, Eyal, et al.
Veröffentlicht: (2025)

Efficient and Stealthy Jailbreak Attacks via Adversarial Prompt Distillation from LLMs to SLMs
von: Li, Xiang, et al.
Veröffentlicht: (2025)

Waterfall: Framework for Robust and Scalable Text Watermarking and Provenance for LLMs
von: Lau, Gregory Kang Ruey, et al.
Veröffentlicht: (2024)

Auditing Data Membership in Reinforcement Learning With Verifiable Rewards
von: Liu, Yule, et al.
Veröffentlicht: (2025)

Context-Aware Membership Inference Attacks against Pre-trained Large Language Models
von: Chang, Hongyan, et al.
Veröffentlicht: (2024)

Membership Inference Attacks on LLM-based Recommender Systems
von: He, Jiajie, et al.
Veröffentlicht: (2025)

STAMP Your Content: Proving Dataset Membership via Watermarked Rephrasings
von: Rastogi, Saksham, et al.
Veröffentlicht: (2025)

SecFormer: Fast and Accurate Privacy-Preserving Inference for Transformer Models via SMPC
von: Luo, Jinglong, et al.
Veröffentlicht: (2024)

Harnessing Task Overload for Scalable Jailbreak Attacks on Large Language Models
von: Dong, Yiting, et al.
Veröffentlicht: (2024)

Riddle Me This! Stealthy Membership Inference for Retrieval-Augmented Generation
von: Naseh, Ali, et al.
Veröffentlicht: (2025)

Stop Tracking Me! Proactive Defense Against Attribute Inference Attack in LLMs
von: Yan, Dong, et al.
Veröffentlicht: (2026)

Fingerprinting LLMs via Prompt Injection
von: Hu, Yuepeng, et al.
Veröffentlicht: (2025)