Copertina

Position: Retire the "Positive Backdoor" Label -- Secret Alignment Requires Strict and Systematic Evaluation

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Li, Jianwei, Kim, Jung-Eun
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Cryptography and Security Artificial Intelligence Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Purifying Generative LLMs from Backdoors without Prior Knowledge or Clean Reference
di: Li, Jianwei, et al.
Pubblicazione: (2026)

Safety Alignment Can Be Not Superficial With Explicit Safety Signals
di: Li, Jianwei, et al.
Pubblicazione: (2025)

Superficial Safety Alignment Hypothesis
di: Li, Jianwei, et al.
Pubblicazione: (2024)

Backdoor Secrets Unveiled: Identifying Backdoor Data with Optimized Scaled Prediction Consistency
di: Pal, Soumyadeep, et al.
Pubblicazione: (2024)

Undetectable Backdoors in Model Parameters: Hiding Sparse Secrets in High Dimensions
di: Choudhary, Sarthak, et al.
Pubblicazione: (2026)

Trustworthy AI: Safety, Bias, and Privacy -- A Survey
di: Fang, Xingli, et al.
Pubblicazione: (2025)

Learnability and Privacy Vulnerability are Entangled in a Few Critical Weights
di: Fang, Xingli, et al.
Pubblicazione: (2026)

Decoupling Generalizability and Membership Privacy Risks in Neural Networks
di: Fang, Xingli, et al.
Pubblicazione: (2026)

Center-Based Relaxed Learning Against Membership Inference Attacks
di: Fang, Xingli, et al.
Pubblicazione: (2024)

Hide in Plain Sight: Clean-Label Backdoor for Auditing Membership Inference
di: Chen, Depeng, et al.
Pubblicazione: (2024)

Strategic Sample Selection for Improved Clean-Label Backdoor Attacks in Text Classification
di: Kirci, Onur Alp, et al.
Pubblicazione: (2025)

Position: Explain to Question not to Justify
di: Biecek, Przemyslaw, et al.
Pubblicazione: (2024)

Backdoor Graph Condensation
di: Wu, Jiahao, et al.
Pubblicazione: (2024)

Heterogeneous Graph Backdoor Attack
di: Chen, Jiawei, et al.
Pubblicazione: (2025)

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

A Backdoor-based Explainable AI Benchmark for High Fidelity Evaluation of Attributions
di: Yang, Peiyu, et al.
Pubblicazione: (2024)

Position: AI Security Policy Should Target Systems, Not Models
di: Riegler, Michael A., et al.
Pubblicazione: (2026)

Rethinking Pruning for Backdoor Mitigation: An Optimization Perspective
di: Li, Nan, et al.
Pubblicazione: (2024)

Magnitude-based Neuron Pruning for Backdoor Defens
di: Li, Nan, et al.
Pubblicazione: (2024)

Position: Challenges and Opportunities for Differential Privacy in the U.S. Federal Government
di: Khanna, Amol, et al.
Pubblicazione: (2024)

From Data Leak to Secret Misses: The Impact of Data Leakage on Secret Detection Models
di: Soltaniani, Farnaz, et al.
Pubblicazione: (2026)

Unlearn to Relearn Backdoors: Deferred Backdoor Functionality Attacks on Deep Learning Models
di: Shin, Jeongjin, et al.
Pubblicazione: (2024)

Graph Neural Backdoor: Fundamentals, Methodologies, Applications, and Future Directions
di: Yang, Xiao, et al.
Pubblicazione: (2024)

Position: Privacy Is Not Just Memorization!
di: Mireshghallah, Niloofar, et al.
Pubblicazione: (2025)

Backdoor defense, learnability and obfuscation
di: Christiano, Paul, et al.
Pubblicazione: (2024)

How to Backdoor the Knowledge Distillation
di: Wu, Chen, et al.
Pubblicazione: (2025)

PSBD: Prediction Shift Uncertainty Unlocks Backdoor Detection
di: Li, Wei, et al.
Pubblicazione: (2024)

Uncovering, Explaining, and Mitigating the Superficial Safety of Backdoor Defense
di: Min, Rui, et al.
Pubblicazione: (2024)

Compromising Embodied Agents with Contextual Backdoor Attacks
di: Liu, Aishan, et al.
Pubblicazione: (2024)

TERD: A Unified Framework for Safeguarding Diffusion Models Against Backdoors
di: Mo, Yichuan, et al.
Pubblicazione: (2024)

Trusted Weights, Treacherous Optimizations? Optimization-Triggered Backdoor Attacks on LLMs
di: Wang, Yifei, et al.
Pubblicazione: (2026)

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

Revisiting Backdoor Attacks on Time Series Classification in the Frequency Domain
di: Huang, Yuanmin, et al.
Pubblicazione: (2025)

BAFFLE: Hiding Backdoors in Offline Reinforcement Learning Datasets
di: Gong, Chen, et al.
Pubblicazione: (2022)

OCGEC: One-class Graph Embedding Classification for DNN Backdoor Detection
di: Jiang, Haoyu, et al.
Pubblicazione: (2023)

Mutual Information Guided Backdoor Mitigation for Pre-trained Encoders
di: Han, Tingxu, et al.
Pubblicazione: (2024)

How to Craft Backdoors with Unlabeled Data Alone?
di: Wang, Yifei, et al.
Pubblicazione: (2024)

Injecting Universal Jailbreak Backdoors into LLMs in Minutes
di: Chen, Zhuowei, et al.
Pubblicazione: (2025)

LoBAM: LoRA-Based Backdoor Attack on Model Merging
di: Yin, Ming, et al.
Pubblicazione: (2024)

Structure-Aware Distributed Backdoor Attacks in Federated Learning
di: Jian, Wang, et al.
Pubblicazione: (2026)