:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ezzeddine, Fatima, Zammar, Osama, Giordano, Silvia, Ayoub, Omran
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2602.03611
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Knowledge Distillation-Based Model Extraction Attack using GAN-based Private Counterfactual Explanations
von: Ezzeddine, Fatima, et al.
Veröffentlicht: (2024)

Fair Recourse for All: Ensuring Individual and Group Fairness in Counterfactual Explanations
von: Ezzeddine, Fatima, et al.
Veröffentlicht: (2026)

Differential Privacy for Anomaly Detection: Analyzing the Trade-off Between Privacy and Explainability
von: Ezzeddine, Fatima, et al.
Veröffentlicht: (2024)

Fair-FLIP: Fair Deepfake Detection with Fairness-Oriented Final Layer Input Prioritising
von: Szandala, Tomasz, et al.
Veröffentlicht: (2025)

On the interplay of Explainability, Privacy and Predictive Performance with Explanation-assisted Model Extraction
von: Ezzeddine, Fatima, et al.
Veröffentlicht: (2025)

Privacy Implications of Explainable AI in Data-Driven Systems
von: Ezzeddine, Fatima
Veröffentlicht: (2024)

DeepLeak: Privacy Enhancing Hardening of Model Explanations Against Membership Leakage
von: Hmida, Firas Ben, et al.
Veröffentlicht: (2026)

Curation Leaks: Membership Inference Attacks against Data Curation for Machine Learning
von: Wahdany, Dariush, et al.
Veröffentlicht: (2026)

MCMC for Bayesian estimation of Differential Privacy from Membership Inference Attacks
von: Yildirim, Ceren, et al.
Veröffentlicht: (2025)

Liquid Neural Network-based Adaptive Learning vs. Incremental Learning for Link Load Prediction amid Concept Drift due to Network Failures
von: Ayoub, Omran, et al.
Veröffentlicht: (2024)

Hierarchical Reinforcement Learning for the Dynamic VNE with Alternatives Problem
von: Housseini, Ali Al, et al.
Veröffentlicht: (2025)

Recalling The Forgotten Class Memberships: Unlearned Models Can Be Noisy Labelers to Leak Privacy
von: Sui, Zhihao, et al.
Veröffentlicht: (2025)

The Sample Complexity of Membership Inference and Privacy Auditing
von: Haghifam, Mahdi, et al.
Veröffentlicht: (2025)

Better Membership Inference Privacy Measurement through Discrepancy
von: Wu, Ruihan, et al.
Veröffentlicht: (2024)

Graph Transductive Defense: a Two-Stage Defense for Graph Membership Inference Attacks
von: Niu, Peizhi, et al.
Veröffentlicht: (2024)

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

Membership Inference Attacks as Privacy Tools: Reliability, Disparity and Ensemble
von: Wang, Zhiqi, et al.
Veröffentlicht: (2025)

Evaluating Differential Privacy Against Membership Inference in Federated Learning: Insights from the NIST Genomics Red Team Challenge
von: Bertoli, Gustavo de Carvalho
Veröffentlicht: (2026)

Find a Scapegoat: Poisoning Membership Inference Attack and Defense to Federated Learning
von: Mo, Wenjin, et al.
Veröffentlicht: (2025)

Membership Inference Attacks Expose Participation Privacy in ECG Foundation Encoders
von: Wang, Ziyu, et al.
Veröffentlicht: (2026)

Beyond Membership: Limitations of Add/Remove Adjacency in Differential Privacy
von: Pradhan, Gauri, et al.
Veröffentlicht: (2025)

Mitigating Membership Inference in Intermediate Representations with Differentially Private Training
von: Meng, Jiayang, et al.
Veröffentlicht: (2026)

AdaMixup: A Dynamic Defense Framework for Membership Inference Attack Mitigation
von: Chen, Ying, et al.
Veröffentlicht: (2025)

Mitigating Privacy Risk in Membership Inference by Convex-Concave Loss
von: Liu, Zhenlong, et al.
Veröffentlicht: (2024)

Explaining the Model, Protecting Your Data: Revealing and Mitigating the Data Privacy Risks of Post-Hoc Model Explanations via Membership Inference
von: Huang, Catherine, et al.
Veröffentlicht: (2024)

Accuracy-Privacy Trade-off in the Mitigation of Membership Inference Attack in Federated Learning
von: Ahamed, Sayyed Farid, et al.
Veröffentlicht: (2024)

AugMixCloak: A Defense against Membership Inference Attacks via Image Transformation
von: Ren, Heqing, et al.
Veröffentlicht: (2025)

Privacy Risks in Time Series Forecasting: User- and Record-Level Membership Inference
von: Johansson, Nicolas, et al.
Veröffentlicht: (2025)

Why Does Differential Privacy with Large Epsilon Defend Against Practical Membership Inference Attacks?
von: Lowy, Andrew, et al.
Veröffentlicht: (2024)

A Critical Review on the Effectiveness and Privacy Threats of Membership Inference Attacks
von: Jebreel, Najeeb, et al.
Veröffentlicht: (2026)

Defending Membership Inference Attacks via Privacy-aware Sparsity Tuning
von: Hu, Qiang, et al.
Veröffentlicht: (2024)

On the Privacy Risks of Spiking Neural Networks: A Membership Inference Analysis
von: Guan, Junyi, et al.
Veröffentlicht: (2025)

Bits for Privacy: Evaluating Post-Training Quantization via Membership Inference
von: Zhang, Chenxiang, et al.
Veröffentlicht: (2025)

Disparate Privacy Vulnerability: Targeted Attribute Inference Attacks and Defenses
von: Kabir, Ehsanul, et al.
Veröffentlicht: (2025)

Evaluating the Dynamics of Membership Privacy in Deep Learning
von: Chen, Yuetian, et al.
Veröffentlicht: (2025)

Privacy Backdoors: Enhancing Membership Inference through Poisoning Pre-trained Models
von: Wen, Yuxin, et al.
Veröffentlicht: (2024)

Enhancing One-run Privacy Auditing with Quantile Regression-Based Membership Inference
von: Liu, Terrance, et al.
Veröffentlicht: (2025)

How Explanations Leak the Decision Logic: Stealing Graph Neural Networks via Explanation Alignment
von: Ma, Bin, et al.
Veröffentlicht: (2025)

Range Membership Inference Attacks
von: Tao, Jiashu, et al.
Veröffentlicht: (2024)

Federated Learning of Quantile Inference under Local Differential Privacy
von: Cai, Leheng, et al.
Veröffentlicht: (2025)