Buchumschlag

Provable Robustness of (Graph) Neural Networks Against Data Poisoning and Backdoor Attacks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gosch, Lukas, Sabanayagam, Mahalakshmi, Ghoshdastidar, Debarghya, Günnemann, Stephan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Exact Certification of (Graph) Neural Networks Against Label Poisoning
von: Sabanayagam, Mahalakshmi, et al.
Veröffentlicht: (2024)

Exact Certification of Neural Networks and Partition Aggregation Ensembles against Label Poisoning
von: Mohgaonkar, Ajinkya, et al.
Veröffentlicht: (2026)

Robust Feature Inference: A Test-time Defense Strategy using Spectral Projections
von: Singh, Anurag, et al.
Veröffentlicht: (2023)

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

Exact Generalisation Error Exposes Benchmarks Skew Graph Neural Networks Success (or Failure)
von: Ayday, Nil, et al.
Veröffentlicht: (2025)

Robustness Certificates for Neural Networks against Adversarial Attacks
von: Taheri, Sara, et al.
Veröffentlicht: (2025)

Adversarial Attacks on Graph Neural Networks via Meta Learning
von: Zügner, Daniel, et al.
Veröffentlicht: (2019)

Provable Adversarial Robustness for Group Equivariant Tasks: Graphs, Point Clouds, Molecules, and More
von: Schuchardt, Jan, et al.
Veröffentlicht: (2023)

Different Statistical Perspectives for Understanding Generalisation in Graph Neural Networks
von: Ayday, Nil, et al.
Veröffentlicht: (2026)

Provable Watermarking for Data Poisoning Attacks
von: Zhu, Yifan, et al.
Veröffentlicht: (2025)

SleeperNets: Universal Backdoor Poisoning Attacks Against Reinforcement Learning Agents
von: Rathbun, Ethan, et al.
Veröffentlicht: (2024)

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

Hiding Backdoors within Event Sequence Data via Poisoning Attacks
von: Ermilova, Alina, et al.
Veröffentlicht: (2023)

On the Robustness of Graph Reduction Against GNN Backdoor
von: Zhu, Yuxuan, et al.
Veröffentlicht: (2024)

DMGNN: Detecting and Mitigating Backdoor Attacks in Graph Neural Networks
von: Sui, Hao, et al.
Veröffentlicht: (2024)

Adaptive Backdoor Attacks with Reasonable Constraints on Graph Neural Networks
von: Dong, Xuewen, et al.
Veröffentlicht: (2025)

Krait: A Backdoor Attack Against Graph Prompt Tuning
von: Song, Ying, et al.
Veröffentlicht: (2024)

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

Generalization Certificates for Adversarially Robust Bayesian Linear Regression
von: Sabanayagam, Mahalakshmi, et al.
Veröffentlicht: (2025)

SecureLearn -- An Attack-agnostic Defense for Multiclass Machine Learning Against Data Poisoning Attacks
von: Paracha, Anum, et al.
Veröffentlicht: (2025)

Link Stealing Attacks Against Inductive Graph Neural Networks
von: Wu, Yixin, et al.
Veröffentlicht: (2024)

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

Graph-Aware Stealthy Poison-Text Backdoors for Text-Attributed Graphs
von: Luo, Qi, et al.
Veröffentlicht: (2026)

Instruction Backdoor Attacks Against Customized LLMs
von: Zhang, Rui, et al.
Veröffentlicht: (2024)

Defending against Backdoor Attack on Deep Neural Networks
von: Cheng, Hao, et al.
Veröffentlicht: (2020)

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

BadMerging: Backdoor Attacks Against Model Merging
von: Zhang, Jinghuai, et al.
Veröffentlicht: (2024)

The SkipSponge Attack: Sponge Weight Poisoning of Deep Neural Networks
von: Lintelo, Jona te, et al.
Veröffentlicht: (2024)

Efficient Adversarial Training in LLMs with Continuous Attacks
von: Xhonneux, Sophie, et al.
Veröffentlicht: (2024)

Gradient Shaping: Enhancing Backdoor Attack Against Reverse Engineering
von: Zhu, Rui, et al.
Veröffentlicht: (2023)

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

More is Better (Mostly): On the Backdoor Attacks in Federated Graph Neural Networks
von: Xu, Jing, et al.
Veröffentlicht: (2022)

Constrained Adaptive Attack: Effective Adversarial Attack Against Deep Neural Networks for Tabular Data
von: Simonetto, Thibault, et al.
Veröffentlicht: (2024)

A Systematic Review of Poisoning Attacks Against Large Language Models
von: Fendley, Neil, et al.
Veröffentlicht: (2025)

Devil's Hand: Data Poisoning Attacks to Locally Private Graph Learning Protocols
von: He, Longzhu, et al.
Veröffentlicht: (2025)

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

Backdoor Learning Curves: Explaining Backdoor Poisoning Beyond Influence Functions
von: Cinà, Antonio Emanuele, et al.
Veröffentlicht: (2021)

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

Shadowcast: Stealthy Data Poisoning Attacks Against Vision-Language Models
von: Xu, Yuancheng, et al.
Veröffentlicht: (2024)

Defending Against Sophisticated Poisoning Attacks with RL-based Aggregation in Federated Learning
von: Wang, Yujing, et al.
Veröffentlicht: (2024)