Buchumschlag

Spore: Efficient and Training-Free Privacy Extraction Attack on LLMs via Inference-Time Hybrid Probing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cui, Yu, Yue, Ruiqing, Fu, Hang, Pan, Sicheng, Sun, Zhuoyu, Huang, Baohan, Zhang, Haibin, Zuo, Cong, Wang, Licheng
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

VortexPIA: Indirect Prompt Injection Attack against LLMs for Efficient Extraction of User Privacy
von: Cui, Yu, et al.
Veröffentlicht: (2025)

Can LLMs Threaten Human Survival? Benchmarking Potential Existential Threats from LLMs via Prefix Completion
von: Cui, Yu, et al.
Veröffentlicht: (2025)

Towards Provably Secure Generative AI: Reliable Consensus Sampling
von: Cui, Yu, et al.
Veröffentlicht: (2025)

Free-MAD: Consensus-Free Multi-Agent Debate
von: Cui, Yu, et al.
Veröffentlicht: (2025)

Ramp Up NTT in Record Time using GPU-Accelerated Algorithms and LLM-based Code Generation
von: Cui, Yu, et al.
Veröffentlicht: (2025)

Practical Reasoning Interruption Attacks on Reasoning Large Language Models
von: Cui, Yu, et al.
Veröffentlicht: (2025)

How Breakable Is Privacy: Probing and Resisting Model Inversion Attacks in Collaborative Inference
von: Liu, Rongke, et al.
Veröffentlicht: (2025)

Ensemble Privacy Defense for Knowledge-Intensive LLMs against Membership Inference Attacks
von: Fu, Haowei, et al.
Veröffentlicht: (2025)

S-Leak: Leakage-Abuse Attack Against Efficient Conjunctive SSE via s-term Leakage
von: Su, Yue, et al.
Veröffentlicht: (2025)

Fine-Grained Privacy Extraction from Retrieval-Augmented Generation Systems via Knowledge Asymmetry Exploitation
von: Chen, Yufei, et al.
Veröffentlicht: (2025)

Privacy for Free: Leveraging Local Differential Privacy Perturbed Data from Multiple Services
von: Du, Rong, et al.
Veröffentlicht: (2025)

Efficient Adversarial Training in LLMs with Continuous Attacks
von: Xhonneux, Sophie, et al.
Veröffentlicht: (2024)

GTree: GPU-Friendly Privacy-preserving Decision Tree Training and Inference
von: Wang, Qifan, et al.
Veröffentlicht: (2023)

Similarity-based Label Inference Attack against Training and Inference of Split Learning
von: Liu, Junlin, et al.
Veröffentlicht: (2022)

Bayes-Nash Generative Privacy Against Membership Inference Attacks
von: Zhang, Tao, et al.
Veröffentlicht: (2024)

Privacy Leaks by Adversaries: Adversarial Iterations for Membership Inference Attack
von: Xue, Jing, et al.
Veröffentlicht: (2025)

Guard-GBDT: Efficient Privacy-Preserving Approximated GBDT Training on Vertical Dataset
von: Song, Anxiao, et al.
Veröffentlicht: (2025)

Auditing Privacy Mechanisms via Label Inference Attacks
von: Busa-Fekete, Róbert István, et al.
Veröffentlicht: (2024)

Rectifying Privacy and Efficacy Measurements in Machine Unlearning: A New Inference Attack Perspective
von: Naderloui, Nima, et al.
Veröffentlicht: (2025)

Modeling Deep Learning Based Privacy Attacks on Physical Mail
von: Huang, Bingyao, et al.
Veröffentlicht: (2020)

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

Five Queries Are Enough: Query-Efficient and Surrogate-Free Membership Inference Attacks on RAG via Entailment
von: Nguyen, Nguyen Linh Bao, et al.
Veröffentlicht: (2026)

FRIDA: Free-Rider Detection using Privacy Attacks
von: Recasens, Pol G., et al.
Veröffentlicht: (2024)

Provable Privacy Attacks on Trained Shallow Neural Networks
von: Smorodinsky, Guy, et al.
Veröffentlicht: (2024)

Retrieval-Confused Generation is a Good Defender for Privacy Violation Attack of Large Language Models
von: Peng, Wanli, et al.
Veröffentlicht: (2025)

When LLMs Copy to Think: Uncovering Copy-Guided Attacks in Reasoning LLMs
von: Li, Yue, et al.
Veröffentlicht: (2025)

No Free Lunch Theorem for Privacy-Preserving LLM Inference
von: Zhang, Xiaojin, et al.
Veröffentlicht: (2024)

Learning-based Privacy-Preserving Graph Publishing Against Sensitive Link Inference Attacks
von: Wu, Yucheng, et al.
Veröffentlicht: (2025)

Towards Privacy-Preserving Split Learning: Destabilizing Adversarial Inference and Reconstruction Attacks in the Cloud
von: Higgins, Griffin, et al.
Veröffentlicht: (2025)

Differential Privacy in Federated Learning: Mitigating Inference Attacks with Randomized Response
von: Ozturk, Ozer, et al.
Veröffentlicht: (2025)

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

FlipAttack: Jailbreak LLMs via Flipping
von: Liu, Yue, et al.
Veröffentlicht: (2024)

Learning to Attack: Uncovering Privacy Risks in Sequential Data Releases
von: Cui, Ziyao, et al.
Veröffentlicht: (2025)

Privacy Auditing of Multi-domain Graph Pre-trained Model under Membership Inference Attacks
von: Luo, Jiayi, et al.
Veröffentlicht: (2025)

Mask-Free Privacy Extraction and Rewriting: A Domain-Aware Approach via Prototype Learning
von: Li, Xiaodong, et al.
Veröffentlicht: (2026)

Privacy-Preserving Mechanisms Enable Cheap Verifiable Inference of LLMs
von: Pal, Arka, et al.
Veröffentlicht: (2026)

Revisiting Training-Inference Trigger Intensity in Backdoor Attacks
von: Lin, Chenhao, et al.
Veröffentlicht: (2025)

EPDQ: Efficient and Privacy-Preserving Exact Distance Query on Encrypted Graphs
von: Fu, Xuemei
Veröffentlicht: (2026)

A Data-Free Membership Inference Attack on Federated Learning in Hardware Assurance
von: Lee, Gijung, et al.
Veröffentlicht: (2026)

Privacy Against Agnostic Inference Attacks in Vertical Federated Learning
von: Varasteh, Morteza
Veröffentlicht: (2023)