Buchumschlag

Multiplicative Reweighting for Robust Neural Network Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bar, Noga, Koren, Tomer, Giryes, Raja
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ZOQO: Zero-Order Quantized Optimization
von: Bar, Noga, et al.
Veröffentlicht: (2025)

Pruning at Initialization -- A Sketching Perspective
von: Bar, Noga, et al.
Veröffentlicht: (2023)

On the Adversarial Robustness of Graph Neural Networks with Graph Reduction
von: Wu, Kerui, et al.
Veröffentlicht: (2024)

Private Online Learning via Lazy Algorithms
von: Asi, Hilal, et al.
Veröffentlicht: (2024)

Diverse Subset Selection via Norm-Based Sampling and Orthogonality
von: Bar, Noga, et al.
Veröffentlicht: (2024)

Supervised Robustness-preserving Data-free Neural Network Pruning
von: Meng, Mark Huasong, et al.
Veröffentlicht: (2022)

Certified Robust Accuracy of Neural Networks Are Bounded due to Bayes Errors
von: Zhang, Ruihan, et al.
Veröffentlicht: (2024)

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

Can Copyright be Reduced to Privacy?
von: Elkin-Koren, Niva, et al.
Veröffentlicht: (2023)

A Comprehensive Survey on Trustworthy Graph Neural Networks: Privacy, Robustness, Fairness, and Explainability
von: Dai, Enyan, et al.
Veröffentlicht: (2022)

RAMP: Boosting Adversarial Robustness Against Multiple $l_p$ Perturbations for Universal Robustness
von: Jiang, Enyi, et al.
Veröffentlicht: (2024)

DivQAT: Enhancing Robustness of Quantized Convolutional Neural Networks against Model Extraction Attacks
von: Khaled, Kacem, et al.
Veröffentlicht: (2025)

NeuJeans: Private Neural Network Inference with Joint Optimization of Convolution and FHE Bootstrapping
von: Ju, Jae Hyung, et al.
Veröffentlicht: (2023)

Verification of Neural Networks' Global Robustness
von: Kabaha, Anan, et al.
Veröffentlicht: (2024)

PiDAn: A Coherence Optimization Approach for Backdoor Attack Detection and Mitigation in Deep Neural Networks
von: Wang, Yue, et al.
Veröffentlicht: (2022)

A Flow is a Stream of Packets: A Stream-Structured Data Approach for DDoS Detection
von: Giryes, Raja, et al.
Veröffentlicht: (2024)

On the Robustness of Bayesian Neural Networks to Adversarial Attacks
von: Bortolussi, Luca, et al.
Veröffentlicht: (2022)

Quantitative Analysis of Deeply Quantized Tiny Neural Networks Robust to Adversarial Attacks
von: Zakariyya, Idris, et al.
Veröffentlicht: (2025)

Improved Privacy-Preserving PCA Using Optimized Homomorphic Matrix Multiplication
von: Ma, Xirong
Veröffentlicht: (2023)

Residual Random Neural Networks
von: Andrecut, M.
Veröffentlicht: (2024)

Certified Unlearning for Neural Networks
von: Koloskova, Anastasia, et al.
Veröffentlicht: (2025)

Differentially Private Nonparametric Confidence Intervals Under Minimal Distributional Assumptions
von: Shoham, Tomer, et al.
Veröffentlicht: (2025)

EPA: Neural Collapse Inspired Robust Out-of-Distribution Detector
von: Zhang, Jiawei, et al.
Veröffentlicht: (2024)

Learning in Multiple Spaces: Few-Shot Network Attack Detection with Metric-Fused Prototypical Networks
von: Martinez-Lopez, Fernando, et al.
Veröffentlicht: (2024)

Modeling Neural Networks with Privacy Using Neural Stochastic Differential Equations
von: Hong, Sanghyun, et al.
Veröffentlicht: (2025)

Graph Neural Network Explanations are Fragile
von: Li, Jiate, et al.
Veröffentlicht: (2024)

On Stealing Graph Neural Network Models
von: Podhajski, Marcin, et al.
Veröffentlicht: (2025)

Towards Robust Real-Time Hardware-based Mobile Malware Detection using Multiple Instance Learning Formulation
von: Kumar, Harshit, et al.
Veröffentlicht: (2024)

Indiscriminate Data Poisoning Attacks on Neural Networks
von: Lu, Yiwei, et al.
Veröffentlicht: (2022)

Certified Defense on the Fairness of Graph Neural Networks
von: Dong, Yushun, et al.
Veröffentlicht: (2023)

Cryptographic Backdoor for Neural Networks: Boon and Bane
von: Ngo, Anh Tu, et al.
Veröffentlicht: (2025)

Applying Self-supervised Learning to Network Intrusion Detection for Network Flows with Graph Neural Network
von: Xu, Renjie, et al.
Veröffentlicht: (2024)

Preserving Node-level Privacy in Graph Neural Networks
von: Xiang, Zihang, et al.
Veröffentlicht: (2023)

Hard-Label Cryptanalytic Extraction of Neural Network Models
von: Chen, Yi, et al.
Veröffentlicht: (2024)

Adversarial Attacks on Locally Private Graph Neural Networks
von: Varun, Matta, et al.
Veröffentlicht: (2026)

Deep-Lock: Secure Authorization for Deep Neural Networks
von: Alam, Manaar, et al.
Veröffentlicht: (2020)

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

Privacy-Preserving Verifiable Neural Network Inference Service
von: Riasi, Arman, et al.
Veröffentlicht: (2024)

Node-level Contrastive Unlearning on Graph Neural Networks
von: Lee, Hong kyu, et al.
Veröffentlicht: (2025)

Stealing Training Graphs from Graph Neural Networks
von: Lin, Minhua, et al.
Veröffentlicht: (2024)