Buchumschlag

Collective Certified Robustness against Graph Injection Attacks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lai, Yuni, Pan, Bailin, Chen, Kaihuang, Yuan, Yancheng, Zhou, Kai
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AuditVotes: A Framework Towards More Deployable Certified Robustness for Graph Neural Networks
von: Lai, Yuni, et al.
Veröffentlicht: (2025)

Defense-as-a-Service: Black-box Shielding against Backdoored Graph Models
von: Yang, Xiao, et al.
Veröffentlicht: (2024)

Adversarial Robustness of Link Sign Prediction in Signed Graphs
von: Zhou, Jialong, et al.
Veröffentlicht: (2024)

MEA-Defender: A Robust Watermark against Model Extraction Attack
von: Lv, Peizhuo, et al.
Veröffentlicht: (2024)

CR-UTP: Certified Robustness against Universal Text Perturbations on Large Language Models
von: Lou, Qian, et al.
Veröffentlicht: (2024)

Text-CRS: A Generalized Certified Robustness Framework against Textual Adversarial Attacks
von: Zhang, Xinyu, et al.
Veröffentlicht: (2023)

Black-Box Attacks against Signed Graph Analysis via Balance Poisoning
von: Zhou, Jialong, et al.
Veröffentlicht: (2023)

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

Certifiably Robust RAG against Retrieval Corruption
von: Xiang, Chong, et al.
Veröffentlicht: (2024)

Query-Based and Unnoticeable Graph Injection Attack from Neighborhood Perspective
von: Liu, Chang, et al.
Veröffentlicht: (2025)

COMMIT: Certifying Robustness of Multi-Sensor Fusion Systems against Semantic Attacks
von: Huang, Zijian, et al.
Veröffentlicht: (2024)

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

Model Stealing Attack against Graph Classification with Authenticity, Uncertainty and Diversity
von: Zhu, Zhihao, et al.
Veröffentlicht: (2023)

Certifiable Black-Box Attacks with Randomized Adversarial Examples: Breaking Defenses with Provable Confidence
von: Hong, Hanbin, et al.
Veröffentlicht: (2023)

Certified Causal Defense with Generalizable Robustness
von: Qiao, Yiran, et al.
Veröffentlicht: (2024)

Towards Robust Graph Structural Learning Beyond Homophily via Preserving Neighbor Similarity
von: Zhu, Yulin, et al.
Veröffentlicht: (2024)

Robust Anomaly Detection in O-RAN: Leveraging LLMs against Data Manipulation Attacks
von: Dayaratne, Thusitha, et al.
Veröffentlicht: (2025)

Deterministic Certification of Graph Neural Networks against Graph Poisoning Attacks with Arbitrary Perturbations
von: Li, Jiate, et al.
Veröffentlicht: (2025)

PECAN: A Deterministic Certified Defense Against Backdoor Attacks
von: Zhang, Yuhao, et al.
Veröffentlicht: (2023)

Enhancing the Robustness of QMIX against State-adversarial Attacks
von: Guo, Weiran, et al.
Veröffentlicht: (2023)

On Using Certified Training towards Empirical Robustness
von: De Palma, Alessandro, et al.
Veröffentlicht: (2024)

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

Refiner: Data Refining against Gradient Leakage Attacks in Federated Learning
von: Fan, Mingyuan, et al.
Veröffentlicht: (2022)

EC-LDA : Label Distribution Inference Attack against Federated Graph Learning with Embedding Compression
von: Cheng, Tong, et al.
Veröffentlicht: (2025)

Towards Efficient and Certified Recovery from Poisoning Attacks in Federated Learning
von: Jiang, Yu, et al.
Veröffentlicht: (2024)

Certified Machine Unlearning via Noisy Stochastic Gradient Descent
von: Chien, Eli, et al.
Veröffentlicht: (2024)

Towards Certified Malware Detection: Provable Guarantees Against Evasion Attacks
von: Giri, Nandakrishna, et al.
Veröffentlicht: (2026)

PIShield: Detecting Prompt Injection Attacks via Intrinsic LLM Features
von: Zou, Wei, et al.
Veröffentlicht: (2025)

Towards Generalized Certified Robustness with Multi-Norm Training
von: Jiang, Enyi, et al.
Veröffentlicht: (2024)

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

Decaf: Data Distribution Decompose Attack against Federated Learning
von: Dai, Zhiyang, et al.
Veröffentlicht: (2024)

Provable Robustness against Backdoor Attacks via the Primal-Dual Perspective on Differential Privacy
von: Saxena, Aman, et al.
Veröffentlicht: (2026)

Adaptive Attacks Break Defenses Against Indirect Prompt Injection Attacks on LLM Agents
von: Zhan, Qiusi, et al.
Veröffentlicht: (2025)

Simple and Efficient Partial Graph Adversarial Attack: A New Perspective
von: Zhu, Guanghui, et al.
Veröffentlicht: (2023)

Design Patterns for Securing LLM Agents against Prompt Injections
von: Beurer-Kellner, Luca, et al.
Veröffentlicht: (2025)

Position: Certified Robustness Does Not (Yet) Imply Model Security
von: Cullen, Andrew C., et al.
Veröffentlicht: (2025)

FedRDF: A Robust and Dynamic Aggregation Function against Poisoning Attacks in Federated Learning
von: Campos, Enrique Mármol, et al.
Veröffentlicht: (2024)

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

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

MPAT: Building Robust Deep Neural Networks against Textual Adversarial Attacks
von: Zhang, Fangyuan, et al.
Veröffentlicht: (2024)