Buchumschlag

NeuralSentinel: Safeguarding Neural Network Reliability and Trustworthiness

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Echeberria-Barrio, Xabier, Gorricho, Mikel, Valencia, Selene, Zola, Francesco
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Topological safeguard for evasion attack interpreting the neural networks' behavior
von: Echeberria-Barrio, Xabier, et al.
Veröffentlicht: (2024)

Understanding Deep Learning defenses Against Adversarial Examples Through Visualizations for Dynamic Risk Assessment
von: Echeberria-Barrio, Xabier, et al.
Veröffentlicht: (2024)

Bayesian Physics Informed Neural Networks for Reliable Transformer Prognostics
von: Ramirez, Ibai, et al.
Veröffentlicht: (2025)

Safeguarding Graph Neural Networks against Topology Inference Attacks
von: Fu, Jie, et al.
Veröffentlicht: (2025)

Trustworthy Graph Neural Networks: Aspects, Methods and Trends
von: Zhang, He, et al.
Veröffentlicht: (2022)

STIQ: Safeguarding Training and Inferencing of Quantum Neural Networks from Untrusted Cloud
von: Kundu, Satwik, et al.
Veröffentlicht: (2024)

Training Neural Networks on Data Sources with Unknown Reliability
von: Capstick, Alexander, et al.
Veröffentlicht: (2022)

Enhancing Trustworthiness of Graph Neural Networks with Rank-Based Conformal Training
von: Wang, Ting, et al.
Veröffentlicht: (2025)

Tuning for Trustworthiness -- Balancing Performance and Explanation Consistency in Neural Network Optimization
von: Hinterleitner, Alexander, et al.
Veröffentlicht: (2025)

Unveiling Dynamics and Patterns: A Comprehensive Analysis of Spreading Patterns and Similarities in Low-Labelled Ransomware Families
von: Zola, Francesco, et al.
Veröffentlicht: (2024)

Enhancing Deep Neural Network Reliability with Refinement and Calibration
von: Hebbalaguppe, Ramya, et al.
Veröffentlicht: (2026)

Identification and Anonymization of Named Entities in Unstructured Information Sources for Use in Social Engineering Detection
von: Miguel, Carlos Jimeno, et al.
Veröffentlicht: (2026)

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

Reevaluating Convolutional Neural Networks for Spectral Analysis: A Focus on Raman Spectroscopy
von: Soysal, Deniz, et al.
Veröffentlicht: (2025)

Heterogeneous Sheaf Neural Networks
von: Braithwaite, Luke, et al.
Veröffentlicht: (2024)

Graph Neural Network Surrogate for Seismic Reliability Analysis of Highway Bridge Systems
von: Liu, Tong, et al.
Veröffentlicht: (2022)

Towards Reliable Evaluation of Adversarial Robustness for Spiking Neural Networks
von: Wang, Jihang, et al.
Veröffentlicht: (2025)

U-Trustworthy Models.Reliability, Competence, and Confidence in Decision-Making
von: Vashistha, Ritwik, et al.
Veröffentlicht: (2024)

Trustworthy AI: Ensuring Reliability and Accountability from Models to Agents
von: Long, Carol Xuan
Veröffentlicht: (2026)

Neural networks for abstraction and reasoning: Towards broad generalization in machines
von: Bober-Irizar, Mikel, et al.
Veröffentlicht: (2024)

Stuart-Landau Oscillatory Graph Neural Network
von: Zhang, Kaicheng, et al.
Veröffentlicht: (2025)

RSEA-MVGNN: Multi-View Graph Neural Network with Reliable Structural Enhancement and Aggregation
von: Chen, Junyu, et al.
Veröffentlicht: (2024)

Is Your Explanation Reliable: Confidence-Aware Explanation on Graph Neural Networks
von: Zhang, Jiaxing, et al.
Veröffentlicht: (2025)

From Overfitting to Reliability: Introducing the Hierarchical Approximate Bayesian Neural Network
von: Amirkhanian, Hayk, et al.
Veröffentlicht: (2025)

Adaptive Width Neural Networks
von: Errica, Federico, et al.
Veröffentlicht: (2025)

Early-Exit Graph Neural Networks
von: Di Francesco, Andrea Giuseppe, et al.
Veröffentlicht: (2025)

Disentangling Aleatoric and Epistemic Uncertainty in Physics-Informed Neural Networks. Application to Insulation Material Degradation Prognostics
von: Ramirez, Ibai, et al.
Veröffentlicht: (2026)

Unified Implementations of Recurrent Neural Networks in Multiple Deep Learning Frameworks
von: Martinuzzi, Francesco
Veröffentlicht: (2025)

Reliability Analysis of Complex Systems using Subset Simulations with Hamiltonian Neural Networks
von: Thaler, Denny, et al.
Veröffentlicht: (2024)

A Survey on Trustworthy Edge Intelligence: From Security and Reliability To Transparency and Sustainability
von: Wang, Xiaojie, et al.
Veröffentlicht: (2023)

Partially Stochastic Infinitely Deep Bayesian Neural Networks
von: Calvo-Ordonez, Sergio, et al.
Veröffentlicht: (2024)

GradINN: Gradient Informed Neural Network
von: Aglietti, Filippo, et al.
Veröffentlicht: (2024)

SO(3)-Equivariant Neural Networks for Learning from Scalar and Vector Fields on Spheres
von: Ballerin, Francesco, et al.
Veröffentlicht: (2025)

On the Neural Feature Ansatz for Deep Neural Networks
von: Tansley, Edward, et al.
Veröffentlicht: (2025)

Emergence of Structure in Ensembles of Random Neural Networks
von: Muscarnera, Luca, et al.
Veröffentlicht: (2025)

Are You Using Reliable Graph Prompts? Trojan Prompt Attacks on Graph Neural Networks
von: Lin, Minhua, et al.
Veröffentlicht: (2024)

Are We Measuring Oversmoothing in Graph Neural Networks Correctly?
von: Zhang, Kaicheng, et al.
Veröffentlicht: (2025)

Exploring the Potential of Bilevel Optimization for Calibrating Neural Networks
von: Sanguin, Gabriele, et al.
Veröffentlicht: (2025)

Vacuum Spiker: A Spiking Neural Network-Based Model for Efficient Anomaly Detection in Time Series
von: Vázquez, Iago Xabier, et al.
Veröffentlicht: (2025)

Graph Coordinates and Conventional Neural Networks -- An Alternative for Graph Neural Networks
von: Qin, Zheyi, et al.
Veröffentlicht: (2023)