Buchumschlag

Repurposing Image Diffusion Models for Adversarial Synthetic Structured Data: A Case Study of Ground Truth Drift

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Arthur, Adam, Schwartz, Christopher
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

Adapting Under Fire: Multi-Agent Reinforcement Learning for Adversarial Drift in Network Security
von: Rivas, Emilia, et al.
Veröffentlicht: (2025)

EnTruth: Enhancing the Traceability of Unauthorized Dataset Usage in Text-to-image Diffusion Models with Minimal and Robust Alterations
von: Ren, Jie, et al.
Veröffentlicht: (2024)

From Cyber Threat to Data Shield: Constructing Provably Secure File Erasure with Repurposed Ransomware Cryptography
von: Shang, Jiahui, et al.
Veröffentlicht: (2025)

A Ground-Truth-Based Evaluation of Vulnerability Detection Across Multiple Ecosystems
von: Mandl, Peter, et al.
Veröffentlicht: (2026)

Adversarial Node Placement in Decentralized Federated Learning: Maximum Spanning-Centrality Strategy and Performance Analysis
von: Piaseczny, Adam, et al.
Veröffentlicht: (2025)

Empirical Evaluation of Structured Synthetic Data Privacy Metrics: Novel experimental framework
von: Palacios, Milton Nicolás Plasencia, et al.
Veröffentlicht: (2025)

A Case Study on the Use of Representativeness Bias as a Defense Against Adversarial Cyber Threats
von: Hitaj, Briland, et al.
Veröffentlicht: (2025)

Generative Models for Synthetic Urban Mobility Data: A Systematic Literature Review
von: Kapp, Alexandra, et al.
Veröffentlicht: (2024)

CDI: Copyrighted Data Identification in Diffusion Models
von: Dubiński, Jan, et al.
Veröffentlicht: (2024)

A Geometry-Grounded Data Perimeter in Azure
von: Parisel, Christophe
Veröffentlicht: (2025)

Mirage Fools the Ear, Mute Hides the Truth: Precise Targeted Adversarial Attacks on Polyphonic Sound Event Detection Systems
von: Su, Junjie, et al.
Veröffentlicht: (2025)

Robustness of Watermarking on Text-to-Image Diffusion Models
von: Wu, Xiaodong, et al.
Veröffentlicht: (2024)

Adversarial Vulnerability Under Temporal Concept Drift: A Longitudinal Study of Android Malware Detection
von: Sabbah, Ahmed, et al.
Veröffentlicht: (2026)

Privacy-Preserving Fair Synthetic Tabular Data
von: Sarmin, Fatima J., et al.
Veröffentlicht: (2025)

NADD: Amplifying Noise for Effective Diffusion-based Adversarial Purification
von: Nguyen, David D., et al.
Veröffentlicht: (2026)

Revisiting Concept Drift in Windows Malware Detection: Adaptation to Real Drifted Malware with Minimal Samples
von: Li, Adrian Shuai, et al.
Veröffentlicht: (2024)

Breaking the Vault: A Case Study of the 2022 LastPass Data Breach
von: Gentles, Jessica, et al.
Veröffentlicht: (2025)

Attacks on Approximate Caches in Text-to-Image Diffusion Models
von: Sun, Desen, et al.
Veröffentlicht: (2025)

A Unified Framework for Adversary-Aware Differential Privacy Bounds
von: Swanberg, Marika, et al.
Veröffentlicht: (2025)

Iterative Window Mean Filter: Thwarting Diffusion-based Adversarial Purification
von: Wang, Hanrui, et al.
Veröffentlicht: (2024)

Secure Cross-Silo Synthetic Genomic Data Generation
von: Filienko, Daniil, et al.
Veröffentlicht: (2026)

When Backdoors Go Beyond Triggers: Semantic Drift in Diffusion Models Under Encoder Attacks
von: Chen, Shenyang, et al.
Veröffentlicht: (2026)

Diffusion-Guided Adversarial Perturbation Injection for Generalizable Defense Against Facial Manipulations
von: Li, Yue, et al.
Veröffentlicht: (2026)

Case Study: Neural Network Malware Detection Verification for Feature and Image Datasets
von: Robinette, Preston K., et al.
Veröffentlicht: (2024)

Invisible Adversaries: A Systematic Study of Session Manipulation Attacks on VPNs
von: Yang, Yuxiang, et al.
Veröffentlicht: (2026)

Benchmarking Private Population Data Release Mechanisms: Synthetic Data vs. TopDown
von: Maddi, Aadyaa, et al.
Veröffentlicht: (2024)

High Epsilon Synthetic Data Vulnerabilities in MST and PrivBayes
von: Golob, Steven, et al.
Veröffentlicht: (2024)

Red Team Redemption: A Structured Comparison of Open-Source Tools for Adversary Emulation
von: Landauer, Max, et al.
Veröffentlicht: (2024)

Privacy-Preserving ECG Data Analysis with Differential Privacy: A Literature Review and A Case Study
von: Ghazarian, Arin, et al.
Veröffentlicht: (2024)

Privacy on the Fly: A Predictive Adversarial Transformation Network for Mobile Sensor Data
von: Song, Tianle, et al.
Veröffentlicht: (2025)

Jailbreaking Prompt Attack: A Controllable Adversarial Attack against Diffusion Models
von: Ma, Jiachen, et al.
Veröffentlicht: (2024)

Synthetic Data: Methods, Use Cases, and Risks
von: De Cristofaro, Emiliano
Veröffentlicht: (2023)

Federated Learning Clients Clustering with Adaptation to Data Drifts
von: Li, Minghao, et al.
Veröffentlicht: (2024)

Adversarial Evasion in Non-Stationary Malware Detection: Minimizing Drift Signals through Similarity-Constrained Perturbations
von: Acharya, Pawan, et al.
Veröffentlicht: (2026)

Practical, Generalizable and Robust Backdoor Attacks on Text-to-Image Diffusion Models
von: Dai, Haoran, et al.
Veröffentlicht: (2025)

Empirical Analysis of Adversarial Robustness and Explainability Drift in Cybersecurity Classifiers
von: Rajhans, Mona, et al.
Veröffentlicht: (2026)

A Comparison of SynDiffix Multi-table versus Single-table Synthetic Data
von: Francis, Paul
Veröffentlicht: (2024)

Preventing Adversarial AI Attacks Against Autonomous Situational Awareness: A Maritime Case Study
von: Walter, Mathew J., et al.
Veröffentlicht: (2025)

A Survey on Adversarial Machine Learning for Code Data: Realistic Threats, Countermeasures, and Interpretations
von: Yang, Yulong, et al.
Veröffentlicht: (2024)

Diffusion-Based Image Editing: An Unforeseen Adversary to Robust Invisible Watermarks
von: Fu, Wenkai, et al.
Veröffentlicht: (2025)