Buchumschlag

Associative Poisoning to Generative Machine Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mohus, Mathias Lundteigen, Li, Jingyue, Yang, Zhirong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Parameter-Efficient Fine-Tuning of Large Language Models for Unit Test Generation: An Empirical Study
von: Storhaug, André, et al.
Veröffentlicht: (2024)

Poisoned-MRAG: Knowledge Poisoning Attacks to Multimodal Retrieval Augmented Generation
von: Liu, Yinuo, et al.
Veröffentlicht: (2025)

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

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

Confundo: Learning to Generate Robust Poison for Practical RAG Systems
von: Hu, Haoyang, et al.
Veröffentlicht: (2026)

Data Poisoning and Leakage Analysis in Federated Learning
von: Wei, Wenqi, et al.
Veröffentlicht: (2024)

Optimal Perturbation Budget Allocation for Data Poisoning in Offline Reinforcement Learning
von: Qiu, Junnan, et al.
Veröffentlicht: (2025)

Class Machine Unlearning for Complex Data via Concepts Inference and Data Poisoning
von: Chang, Wenhan, et al.
Veröffentlicht: (2024)

Gradient Purification: Defense Against Poisoning Attack in Decentralized Federated Learning
von: Li, Bin, et al.
Veröffentlicht: (2025)

Towards Poisoning Robustness Certification for Natural Language Generation
von: Ghitu, Mihnea, et al.
Veröffentlicht: (2026)

Calibrating Bayesian Generative Machine Learning for Bayesiamplification
von: Bieringer, Sebastian, et al.
Veröffentlicht: (2024)

Towards Poisoning Fair Representations
von: Liu, Tianci, et al.
Veröffentlicht: (2023)

When Can You Poison Rewards? A Tight Characterization of Reward Poisoning in Linear MDPs
von: Escamilla, Jose Efraim Aguilar, et al.
Veröffentlicht: (2026)

FuncPoison: Poisoning Function Library to Hijack Multi-agent Autonomous Driving Systems
von: Long, Yuzhen, et al.
Veröffentlicht: (2025)

SAFELOC: Overcoming Data Poisoning Attacks in Heterogeneous Federated Machine Learning for Indoor Localization
von: Singampalli, Akhil, et al.
Veröffentlicht: (2024)

Poisoning Attacks on LLMs Require a Near-constant Number of Poison Samples
von: Souly, Alexandra, et al.
Veröffentlicht: (2025)

Traceback of Poisoning Attacks to Retrieval-Augmented Generation
von: Zhang, Baolei, et al.
Veröffentlicht: (2025)

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

UTrace: Poisoning Forensics for Private Collaborative Learning
von: Rose, Evan, et al.
Veröffentlicht: (2024)

Backdoor Federated Learning by Poisoning Backdoor-Critical Layers
von: Zhuang, Haomin, et al.
Veröffentlicht: (2023)

Policy Teaching via Data Poisoning in Learning from Human Preferences
von: Nika, Andi, et al.
Veröffentlicht: (2025)

Potion: Towards Poison Unlearning
von: Schoepf, Stefan, et al.
Veröffentlicht: (2024)

Practical Poisoning Attacks against Retrieval-Augmented Generation
von: Zhang, Baolei, et al.
Veröffentlicht: (2025)

Exploiting Meta-Learning-based Poisoning Attacks for Graph Link Prediction
von: Li, Mingchen, et al.
Veröffentlicht: (2025)

Devil's Hand: Data Poisoning Attacks to Locally Private Graph Learning Protocols
von: He, Longzhu, et al.
Veröffentlicht: (2025)

Benchmarking Poisoning Attacks against Retrieval-Augmented Generation
von: Zhang, Baolei, et al.
Veröffentlicht: (2025)

Byzantine Failures Harm the Generalization of Robust Distributed Learning Algorithms More Than Data Poisoning
von: Boudou, Thomas, et al.
Veröffentlicht: (2025)

Using Anomaly Detection to Detect Poisoning Attacks in Federated Learning Applications
von: Raza, Ali, et al.
Veröffentlicht: (2022)

Online Poisoning Attack Against Reinforcement Learning under Black-box Environments
von: Li, Jianhui, et al.
Veröffentlicht: (2024)

Are Targeted Data Poisoning Attacks as Effective as We Think?
von: Xu, William, et al.
Veröffentlicht: (2025)

Local Environment Poisoning Attacks on Federated Reinforcement Learning
von: Ma, Evelyn, et al.
Veröffentlicht: (2023)

Perfect Alignment May be Poisonous to Graph Contrastive Learning
von: Liu, Jingyu, et al.
Veröffentlicht: (2023)

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

DMPA: Model Poisoning Attacks on Decentralized Federated Learning for Model Differences
von: Feng, Chao, et al.
Veröffentlicht: (2025)

Logits Poisoning Attack in Federated Distillation
von: Tang, Yuhan, et al.
Veröffentlicht: (2024)

PoiCGAN: A Targeted Poisoning Based on Feature-Label Joint Perturbation in Federated Learning
von: Liu, Tao, et al.
Veröffentlicht: (2026)

Poison with Style: A Practical Poisoning Attack on Code Large Language Models
von: Tran, Khang, et al.
Veröffentlicht: (2026)

FedLAD: A Linear Algebra Based Data Poisoning Defence for Federated Learning
von: Xiong, Qi, et al.
Veröffentlicht: (2025)

A Client-level Assessment of Collaborative Backdoor Poisoning in Non-IID Federated Learning
von: Lai, Phung, et al.
Veröffentlicht: (2025)

Sybil-based Virtual Data Poisoning Attacks in Federated Learning
von: Zhu, Changxun, et al.
Veröffentlicht: (2025)