Buchumschlag

BlackCATT: Black-box Collusion Aware Traitor Tracing in Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rodríguez-Lois, Elena, Brau, Fabio, Pintor, Maura, Biggio, Battista, Pérez-González, Fernando
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Exploring Federated Learning Dynamics for Black-and-White-Box DNN Traitor Tracing
von: Rodriguez-Lois, Elena, et al.
Veröffentlicht: (2024)

Towards Traitor Tracing in Black-and-White-Box DNN Watermarking with Tardos-based Codes
von: Rodriguez-Lois, Elena, et al.
Veröffentlicht: (2023)

Silent Until Sparse: Backdoor Attacks on Semi-Structured Sparsity
von: Guo, Wei, et al.
Veröffentlicht: (2025)

Prototype-Guided Robust Learning against Backdoor Attacks
von: Guo, Wei, et al.
Veröffentlicht: (2025)

Evaluating Line-level Localization Ability of Learning-based Code Vulnerability Detection Models
von: Pintore, Marco, et al.
Veröffentlicht: (2025)

Robustness-Congruent Adversarial Training for Secure Machine Learning Model Updates
von: Angioni, Daniele, et al.
Veröffentlicht: (2024)

Adversarial Pruning: A Survey and Benchmark of Pruning Methods for Adversarial Robustness
von: Piras, Giorgio, et al.
Veröffentlicht: (2024)

Regression-aware Continual Learning for Android Malware Detection
von: Ghiani, Daniele, et al.
Veröffentlicht: (2025)

ImageNet-Patch: A Dataset for Benchmarking Machine Learning Robustness against Adversarial Patches
von: Pintor, Maura, et al.
Veröffentlicht: (2022)

secml-malware: Pentesting Windows Malware Classifiers with Adversarial EXEmples in Python
von: Demetrio, Luca, et al.
Veröffentlicht: (2021)

Evaluating the Evaluators: Trust in Adversarial Robustness Tests
von: Cinà, Antonio Emanuele, et al.
Veröffentlicht: (2025)

$σ$-zero: Gradient-based Optimization of $\ell_0$-norm Adversarial Examples
von: Cinà, Antonio Emanuele, et al.
Veröffentlicht: (2024)

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

Label-efficient Training Updates for Malware Detection over Time
von: Minnei, Luca, et al.
Veröffentlicht: (2026)

Nebula: Self-Attention for Dynamic Malware Analysis
von: Trizna, Dmitrijs, et al.
Veröffentlicht: (2023)

Robust Synthetic Data-Driven Detection of Living-Off-the-Land Reverse Shells
von: Trizna, Dmitrijs, et al.
Veröffentlicht: (2024)

AttackBench: Evaluating Gradient-based Attacks for Adversarial Examples
von: Cinà, Antonio Emanuele, et al.
Veröffentlicht: (2024)

EmbTracker: Traceable Black-box Watermarking for Federated Language Models
von: Zhao, Haodong, et al.
Veröffentlicht: (2026)

Understanding Byzantine Robustness in Federated Learning with A Black-box Server
von: Zhao, Fangyuan, et al.
Veröffentlicht: (2024)

Performance-lossless Black-box Model Watermarking
von: Zhao, Na, et al.
Veröffentlicht: (2023)

RL-JACK: Reinforcement Learning-powered Black-box Jailbreaking Attack against LLMs
von: Chen, Xuan, et al.
Veröffentlicht: (2024)

Backdoor Learning Curves: Explaining Backdoor Poisoning Beyond Influence Functions
von: Cinà, Antonio Emanuele, et al.
Veröffentlicht: (2021)

ADCA: Attention-Driven Multi-Party Collusion Attack in Federated Self-Supervised Learning
von: Wang, Jiayao, et al.
Veröffentlicht: (2026)

Demystifying the Role of Rule-based Detection in AI Systems for Windows Malware Detection
von: Ponte, Andrea, et al.
Veröffentlicht: (2025)

SLIFER: Investigating Performance and Robustness of Malware Detection Pipelines
von: Ponte, Andrea, et al.
Veröffentlicht: (2024)

BlackboxBench: A Comprehensive Benchmark of Black-box Adversarial Attacks
von: Zheng, Meixi, et al.
Veröffentlicht: (2023)

Machine Learning Security against Data Poisoning: Are We There Yet?
von: Cinà, Antonio Emanuele, et al.
Veröffentlicht: (2022)

Certified Adversarial Robustness of Machine Learning-based Malware Detectors via (De)Randomized Smoothing
von: Gibert, Daniel, et al.
Veröffentlicht: (2024)

From Head to Tail: Efficient Black-box Model Inversion Attack via Long-tailed Learning
von: Li, Ziang, et al.
Veröffentlicht: (2025)

MalModel: Hiding Malicious Payload in Mobile Deep Learning Models with Black-box Backdoor Attack
von: Hua, Jiayi, et al.
Veröffentlicht: (2024)

SEW: Strengthening Robustness of Black-box DNN Watermarking via Specificity Enhancement
von: Qiu, Huming, et al.
Veröffentlicht: (2026)

Black-box Membership Inference Attacks against Fine-tuned Diffusion Models
von: Pang, Yan, et al.
Veröffentlicht: (2023)

A Game Between the Defender and the Attacker for Trigger-based Black-box Model Watermarking
von: Huang, Chaoyue, et al.
Veröffentlicht: (2025)

LLMPirate: LLMs for Black-box Hardware IP Piracy
von: Gohil, Vasudev, et al.
Veröffentlicht: (2024)

Evading Black-box Classifiers Without Breaking Eggs
von: Debenedetti, Edoardo, et al.
Veröffentlicht: (2023)

Black-box Optimization of LLM Outputs by Asking for Directions
von: Zhang, Jie, et al.
Veröffentlicht: (2025)

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

When Reasoning Leaks Membership: Membership Inference Attack on Black-box Large Reasoning Models
von: Hu, Ruihan, et al.
Veröffentlicht: (2026)

Pop Quiz Attack: Black-box Membership Inference Attacks Against Large Language Models
von: Chen, Zeyuan, et al.
Veröffentlicht: (2026)

Rotation, Scale, and Translation Resilient Black-box Fingerprinting for Intellectual Property Protection of EaaS Models
von: Zhang, Hongjie, et al.
Veröffentlicht: (2025)