Buchumschlag

Differentially Private Datastore Generation for Retrieval-Augmented Inference

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Abouelenein, Abdelrahman, Torki, Marwan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Cryptography and Security Information Retrieval Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Traceback of Poisoning Attacks to Retrieval-Augmented Generation
von: Zhang, Baolei, et al.
Veröffentlicht: (2025)

Practical Poisoning Attacks against Retrieval-Augmented Generation
von: Zhang, Baolei, et al.
Veröffentlicht: (2025)

Secure Retrieval-Augmented Generation against Poisoning Attacks
von: Cheng, Zirui, et al.
Veröffentlicht: (2025)

Benchmarking Poisoning Attacks against Retrieval-Augmented Generation
von: Zhang, Baolei, et al.
Veröffentlicht: (2025)

Differentially Private Graph Diffusion with Applications in Personalized PageRanks
von: Wei, Rongzhe, et al.
Veröffentlicht: (2024)

Who Taught the Lie? Responsibility Attribution for Poisoned Knowledge in Retrieval-Augmented Generation
von: Zhang, Baolei, et al.
Veröffentlicht: (2025)

Training Differentially Private Ad Prediction Models with Semi-Sensitive Features
von: Chua, Lynn, et al.
Veröffentlicht: (2024)

LazyDP: Co-Designing Algorithm-Software for Scalable Training of Differentially Private Recommendation Models
von: Lim, Juntaek, et al.
Veröffentlicht: (2024)

Riddle Me This! Stealthy Membership Inference for Retrieval-Augmented Generation
von: Naseh, Ali, et al.
Veröffentlicht: (2025)

Connect the Dots: Knowledge Graph-Guided Crawler Attack on Retrieval-Augmented Generation Systems
von: Yao, Mengyu, et al.
Veröffentlicht: (2026)

PIR-RAG: A System for Private Information Retrieval in Retrieval-Augmented Generation
von: Wang, Baiqiang, et al.
Veröffentlicht: (2025)

Towards Differential Privacy in Sequential Recommendation: A Noisy Graph Neural Network Approach
von: Hu, Wentao, et al.
Veröffentlicht: (2023)

Retrieval Pivot Attacks in Hybrid RAG: Measuring and Mitigating Amplified Leakage from Vector Seeds to Graph Expansion
von: Thornton, Scott
Veröffentlicht: (2026)

Mask-based Membership Inference Attacks for Retrieval-Augmented Generation
von: Liu, Mingrui, et al.
Veröffentlicht: (2024)

Grounded Cache Routing for Retrieval-Augmented Generation: When Is It Safe to Reuse an Answer?
von: Shah, Syed Huma
Veröffentlicht: (2026)

BadRAG: Identifying Vulnerabilities in Retrieval Augmented Generation of Large Language Models
von: Xue, Jiaqi, et al.
Veröffentlicht: (2024)

BiRD: A Bidirectional Ranking Defense Mechanism for Retrieval Augmented Generation
von: Gao, Chengcai, et al.
Veröffentlicht: (2026)

Synthetic Query Generation for Privacy-Preserving Deep Retrieval Systems using Differentially Private Language Models
von: Carranza, Aldo Gael, et al.
Veröffentlicht: (2023)

Your RAG is Unfair: Exposing Fairness Vulnerabilities in Retrieval-Augmented Generation via Backdoor Attacks
von: Bagwe, Gaurav, et al.
Veröffentlicht: (2025)

The RAG Paradox: A Black-Box Attack Exploiting Unintentional Vulnerabilities in Retrieval-Augmented Generation Systems
von: Choi, Chanwoo, et al.
Veröffentlicht: (2025)

Auditing Privacy in Multi-Tenant RAG under Account Collusion
von: Burnat, Florian A. D.
Veröffentlicht: (2026)

Versatile and Fast Location-Based Private Information Retrieval with Fully Homomorphic Encryption over the Torus
von: Yoo, Joon Soo, et al.
Veröffentlicht: (2025)

Randomized algorithms for precise measurement of differentially-private, personalized recommendations
von: Laro, Allegra, et al.
Veröffentlicht: (2023)

A Privacy Preserving System for Movie Recommendations Using Federated Learning
von: Neumann, David, et al.
Veröffentlicht: (2023)

Unveiling Vulnerabilities of Contrastive Recommender Systems to Poisoning Attacks
von: Wang, Zongwei, et al.
Veröffentlicht: (2023)

Multi-granular Adversarial Attacks against Black-box Neural Ranking Models
von: Liu, Yu-An, et al.
Veröffentlicht: (2024)

Adversarial Attacks to Multi-Modal Models
von: Dou, Zhihao, et al.
Veröffentlicht: (2024)

Manipulating Recommender Systems: A Survey of Poisoning Attacks and Countermeasures
von: Nguyen, Thanh Toan, et al.
Veröffentlicht: (2024)

How to Forget Clients in Federated Online Learning to Rank?
von: Wang, Shuyi, et al.
Veröffentlicht: (2024)

Poisoning Federated Recommender Systems with Fake Users
von: Yin, Ming, et al.
Veröffentlicht: (2024)

Safe machine learning model release from Trusted Research Environments: The SACRO-ML package
von: Smith, Jim, et al.
Veröffentlicht: (2022)

HGAttack: Transferable Heterogeneous Graph Adversarial Attack
von: Zhao, He, et al.
Veröffentlicht: (2024)

Few-shot Model Extraction Attacks against Sequential Recommender Systems
von: Zhang, Hui, et al.
Veröffentlicht: (2024)

Effective and secure federated online learning to rank
von: Wang, Shuyi
Veröffentlicht: (2024)

Watermarking Recommender Systems
von: Zhang, Sixiao, et al.
Veröffentlicht: (2024)

Preserving Privacy and Utility in LLM-Based Product Recommendations
von: Khezresmaeilzadeh, Tina, et al.
Veröffentlicht: (2025)

AgentPoison: Red-teaming LLM Agents via Poisoning Memory or Knowledge Bases
von: Chen, Zhaorun, et al.
Veröffentlicht: (2024)

AI-Driven Guided Response for Security Operation Centers with Microsoft Copilot for Security
von: Freitas, Scott, et al.
Veröffentlicht: (2024)

Poisoning Deep Learning Based Recommender Model in Federated Learning Scenarios
von: Rong, Dazhong, et al.
Veröffentlicht: (2022)

POST: Email Archival, Processing and Flagging Stack for Incident Responders
von: Fairbanks, Jeffrey
Veröffentlicht: (2024)