Buchumschlag

Identifying Backdoored Graphs in Graph Neural Network Training: An Explanation-Based Approach with Novel Metrics

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Downer, Jane, Wang, Ren, Wang, Binghui
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Watermarking Graph Neural Networks via Explanations for Ownership Protection
von: Downer, Jane, et al.
Veröffentlicht: (2025)

Graph Neural Network Causal Explanation via Neural Causal Models
von: Behnam, Arman, et al.
Veröffentlicht: (2024)

The GECo algorithm for Graph Neural Networks Explanation
von: Calderaro, Salvatore, et al.
Veröffentlicht: (2024)

GRExplainer: A Universal Explanation Method for Temporal Graph Neural Networks
von: Li, Xuyan, et al.
Veröffentlicht: (2025)

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

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

GNNInterpreter: A Probabilistic Generative Model-Level Explanation for Graph Neural Networks
von: Wang, Xiaoqi, et al.
Veröffentlicht: (2022)

Game-theoretic Counterfactual Explanation for Graph Neural Networks
von: Chhablani, Chirag, et al.
Veröffentlicht: (2024)

Graph Unlearning: Efficient Node Removal in Graph Neural Networks
von: Guan, Faqian, et al.
Veröffentlicht: (2025)

On the Utilization of Unique Node Identifiers in Graph Neural Networks
von: Bechler-Speicher, Maya, et al.
Veröffentlicht: (2024)

How Explanations Leak the Decision Logic: Stealing Graph Neural Networks via Explanation Alignment
von: Ma, Bin, et al.
Veröffentlicht: (2025)

Accelerating Storage-Based Training for Graph Neural Networks
von: Jang, Myung-Hwan, et al.
Veröffentlicht: (2026)

Leveraging Local Structure for Improving Model Explanations: An Information Propagation Approach
von: Yang, Ruo, et al.
Veröffentlicht: (2024)

Backdoor Attack on Vertical Federated Graph Neural Network Learning
von: Yang, Jirui, et al.
Veröffentlicht: (2024)

Generalizing Graph Neural Networks on Out-Of-Distribution Graphs
von: Fan, Shaohua, et al.
Veröffentlicht: (2021)

Poisoning the Inner Prediction Logic of Graph Neural Networks for Clean-Label Backdoor Attacks
von: Zhang, Yuxiang, et al.
Veröffentlicht: (2026)

Sketch-GNN: Scalable Graph Neural Networks with Sublinear Training Complexity
von: Ding, Mucong, et al.
Veröffentlicht: (2024)

Backdoor Graph Condensation
von: Wu, Jiahao, et al.
Veröffentlicht: (2024)

Non-convolutional Graph Neural Networks
von: Wang, Yuanqing, et al.
Veröffentlicht: (2024)

MEGAN: Multi-Explanation Graph Attention Network
von: Teufel, Jonas, et al.
Veröffentlicht: (2022)

Graph Neural Networks based Log Anomaly Detection and Explanation
von: Li, Zhong, et al.
Veröffentlicht: (2023)

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

Dynamic Triangulation-Based Graph Rewiring for Graph Neural Networks
von: Attali, Hugo, et al.
Veröffentlicht: (2025)

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

Quantifying the Intrinsic Usefulness of Attributional Explanations for Graph Neural Networks with Artificial Simulatability Studies
von: Teufel, Jonas, et al.
Veröffentlicht: (2023)

Towards Metric-Faithful Neural Graph Matching
von: Shivottam, Jyotirmaya, et al.
Veröffentlicht: (2026)

Boolean Product Graph Neural Networks
von: Wang, Ziyan, et al.
Veröffentlicht: (2024)

Efficient and Robust Continual Graph Learning for Graph Classification in Biology
von: Zhang, Ding, et al.
Veröffentlicht: (2024)

Rayleigh Quotient Graph Neural Networks for Graph-level Anomaly Detection
von: Dong, Xiangyu, et al.
Veröffentlicht: (2023)

MAGE: Model-Level Graph Neural Networks Explanations via Motif-based Graph Generation
von: Yu, Zhaoning, et al.
Veröffentlicht: (2024)

Guarding Graph Neural Networks for Unsupervised Graph Anomaly Detection
von: Bei, Yuanchen, et al.
Veröffentlicht: (2024)

Exploring Dynamic Properties of Backdoor Training Through Information Bottleneck
von: Liu, Xinyu, et al.
Veröffentlicht: (2025)

Training-free Graph Neural Networks and the Power of Labels as Features
von: Sato, Ryoma
Veröffentlicht: (2024)

Graphs Unveiled: Graph Neural Networks and Graph Generation
von: Kovács, László, et al.
Veröffentlicht: (2024)

Enhancing the Resilience of Graph Neural Networks to Topological Perturbations in Sparse Graphs
von: He, Shuqi, et al.
Veröffentlicht: (2024)

Permutation-Invariant Graph Partitioning:How Graph Neural Networks Capture Structural Interactions?
von: Hevapathige, Asela, et al.
Veröffentlicht: (2023)

Faithful Interpretation for Graph Neural Networks
von: Hu, Lijie, et al.
Veröffentlicht: (2024)

Online Adversarial Knowledge Distillation for Graph Neural Networks
von: Wang, Can, et al.
Veröffentlicht: (2021)

Metric Based Few-Shot Graph Classification
von: Crisostomi, Donato, et al.
Veröffentlicht: (2022)

SIG: Efficient Self-Interpretable Graph Neural Network for Continuous-time Dynamic Graphs
von: Fang, Lanting, et al.
Veröffentlicht: (2024)