Buchumschlag

Provable Robustness against Backdoor Attacks via the Primal-Dual Perspective on Differential Privacy

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Saxena, Aman, Schuchardt, Jan, Scholten, Yan, Günnemann, Stephan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Provable Adversarial Robustness for Group Equivariant Tasks: Graphs, Point Clouds, Molecules, and More
von: Schuchardt, Jan, et al.
Veröffentlicht: (2023)

Provable Robustness of (Graph) Neural Networks Against Data Poisoning and Backdoor Attacks
von: Gosch, Lukas, et al.
Veröffentlicht: (2024)

Amplified Patch-Level Differential Privacy for Free via Random Cropping
von: Durmaz, Kaan, et al.
Veröffentlicht: (2026)

Unified Mechanism-Specific Amplification by Subsampling and Group Privacy Amplification
von: Schuchardt, Jan, et al.
Veröffentlicht: (2024)

Privacy Amplification by Structured Subsampling for Deep Differentially Private Time Series Forecasting
von: Schuchardt, Jan, et al.
Veröffentlicht: (2025)

Adversarial Attacks on Graph Neural Networks via Meta Learning
von: Zügner, Daniel, et al.
Veröffentlicht: (2019)

Sampling-Free Privacy Accounting for Matrix Mechanisms under Random Allocation
von: Schuchardt, Jan, et al.
Veröffentlicht: (2026)

Fast Proxies for LLM Robustness Evaluation
von: Beyer, Tim, et al.
Veröffentlicht: (2025)

Local Differential Privacy is Not Enough: A Sample Reconstruction Attack against Federated Learning with Local Differential Privacy
von: You, Zhichao, et al.
Veröffentlicht: (2025)

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

Adversarial Inception Backdoor Attacks against Reinforcement Learning
von: Rathbun, Ethan, et al.
Veröffentlicht: (2024)

Defending against Backdoor Attack on Deep Neural Networks
von: Cheng, Hao, et al.
Veröffentlicht: (2020)

Invariant Aggregator for Defending against Federated Backdoor Attacks
von: Wang, Xiaoyang, et al.
Veröffentlicht: (2022)

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

Let's Focus: Focused Backdoor Attack against Federated Transfer Learning
von: Arazzi, Marco, et al.
Veröffentlicht: (2024)

Rethinking Graph Backdoor Attacks: A Distribution-Preserving Perspective
von: Zhang, Zhiwei, et al.
Veröffentlicht: (2024)

Lurking in the shadows: Unveiling Stealthy Backdoor Attacks against Personalized Federated Learning
von: Lyu, Xiaoting, et al.
Veröffentlicht: (2024)

Provable Watermarking for Data Poisoning Attacks
von: Zhu, Yifan, et al.
Veröffentlicht: (2025)

Detecting Backdoor Attacks via Similarity in Semantic Communication Systems
von: Wei, Ziyang, et al.
Veröffentlicht: (2025)

Poisoning Attacks to Local Differential Privacy Protocols for Trajectory Data
von: Hsu, I-Jung, et al.
Veröffentlicht: (2025)

Your Agent Can Defend Itself against Backdoor Attacks
von: Changjiang, Li, et al.
Veröffentlicht: (2025)

Client-Side Patching against Backdoor Attacks in Federated Learning
von: Molina-Coronado, Borja
Veröffentlicht: (2024)

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

Exact Certification of (Graph) Neural Networks Against Label Poisoning
von: Sabanayagam, Mahalakshmi, et al.
Veröffentlicht: (2024)

Backdoor Attacks on Decentralised Post-Training
von: Ersoy, Oğuzhan, et al.
Veröffentlicht: (2026)

Persistent Backdoor Attacks in Continual Learning
von: Guo, Zhen, et al.
Veröffentlicht: (2024)

On the Robustness of Distributed Machine Learning against Transfer Attacks
von: Andreina, Sébastien, et al.
Veröffentlicht: (2024)

Collective Certified Robustness against Graph Injection Attacks
von: Lai, Yuni, et al.
Veröffentlicht: (2024)

Backdoor Vectors: a Task Arithmetic View on Backdoor Attacks and Defenses
von: Pawlak, Stanisław, et al.
Veröffentlicht: (2025)

Hiding Backdoors within Event Sequence Data via Poisoning Attacks
von: Ermilova, Alina, et al.
Veröffentlicht: (2023)

Augment then Smooth: Reconciling Differential Privacy with Certified Robustness
von: Wu, Jiapeng, et al.
Veröffentlicht: (2023)

Certifying the Right to Be Forgotten: Primal-Dual Optimization for Sample and Label Unlearning in Vertical Federated Learning
von: Jiang, Yu, et al.
Veröffentlicht: (2025)

Differential Privacy via Distributionally Robust Optimization
von: Selvi, Aras, et al.
Veröffentlicht: (2023)

On the Out-of-Distribution Backdoor Attack for Federated Learning
von: Xu, Jiahao, et al.
Veröffentlicht: (2025)

Instruction Backdoor Attacks Against Customized LLMs
von: Zhang, Rui, et al.
Veröffentlicht: (2024)

Backdoor Attacks on Discrete Graph Diffusion Models
von: Wang, Jiawen, et al.
Veröffentlicht: (2025)

Backdoor Attacks in Peer-to-Peer Federated Learning
von: Syros, Georgios, et al.
Veröffentlicht: (2023)

Attacking Byzantine Robust Aggregation in High Dimensions
von: Choudhary, Sarthak, et al.
Veröffentlicht: (2023)

CatBack: Universal Backdoor Attacks on Tabular Data via Categorical Encoding
von: Tajalli, Behrad, et al.
Veröffentlicht: (2025)

Privacy Backdoors: Stealing Data with Corrupted Pretrained Models
von: Feng, Shanglun, et al.
Veröffentlicht: (2024)