Buchumschlag

Towards Certified Unlearning for Deep Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Binchi, Dong, Yushun, Wang, Tianhao, Li, Jundong
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

IDEA: A Flexible Framework of Certified Unlearning for Graph Neural Networks
von: Dong, Yushun, et al.
Veröffentlicht: (2024)

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

Adversarial Attacks on Fairness of Graph Neural Networks
von: Zhang, Binchi, et al.
Veröffentlicht: (2023)

Verification of Machine Unlearning is Fragile
von: Zhang, Binchi, et al.
Veröffentlicht: (2024)

Federated Graph Learning with Graphless Clients
von: Fu, Xingbo, et al.
Veröffentlicht: (2024)

CREDIT: Certified Ownership Verification of Deep Neural Networks Against Model Extraction Attacks
von: Shen, Bolin, et al.
Veröffentlicht: (2026)

GraphTOP: Graph Topology-Oriented Prompting for Graph Neural Networks
von: Fu, Xingbo, et al.
Veröffentlicht: (2025)

Graph Neural Networks Are More Than Filters: Revisiting and Benchmarking from A Spectral Perspective
von: Dong, Yushun, et al.
Veröffentlicht: (2024)

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

Beyond the Permutation Symmetry of Transformers: The Role of Rotation for Model Fusion
von: Zhang, Binchi, et al.
Veröffentlicht: (2025)

Safety in Graph Machine Learning: Threats and Safeguards
von: Wang, Song, et al.
Veröffentlicht: (2024)

Towards Quantifying the Hessian Structure of Neural Networks
von: Dong, Zhaorui, et al.
Veröffentlicht: (2025)

ST-FiT: Inductive Spatial-Temporal Forecasting with Limited Training Data
von: Lei, Zhenyu, et al.
Veröffentlicht: (2024)

PRUNE: A Patching Based Repair Framework for Certifiable Unlearning of Neural Networks
von: Li, Xuran, et al.
Veröffentlicht: (2025)

Enhancing Certifiable Semantic Robustness via Robust Pruning of Deep Neural Networks
von: Hu, Hanjiang, et al.
Veröffentlicht: (2025)

Federated Graph Learning with Structure Proxy Alignment
von: Fu, Xingbo, et al.
Veröffentlicht: (2024)

Can Subgraph Explanations Be Weaponized to Steal Graph Neural Networks?
von: Nimase, Ojas, et al.
Veröffentlicht: (2026)

Exploring and Improving Initialization for Deep Graph Neural Networks: A Signal Propagation Perspective
von: Wang, Senmiao, et al.
Veröffentlicht: (2025)

Certifying Global Robustness for Deep Neural Networks
von: Li, You, et al.
Veröffentlicht: (2024)

CEB: Compositional Evaluation Benchmark for Fairness in Large Language Models
von: Wang, Song, et al.
Veröffentlicht: (2024)

Fully Decentralized Certified Unlearning
von: Lamri, Hithem, et al.
Veröffentlicht: (2025)

Certified Signed Graph Unlearning
von: Zhao, Junpeng, et al.
Veröffentlicht: (2025)

FairQuant: Certifying and Quantifying Fairness of Deep Neural Networks
von: Kim, Brian Hyeongseok, et al.
Veröffentlicht: (2024)

Harnessing Large Language Models for Disaster Management: A Survey
von: Lei, Zhenyu, et al.
Veröffentlicht: (2025)

Virtual Nodes Can Help: Tackling Distribution Shifts in Federated Graph Learning
von: Fu, Xingbo, et al.
Veröffentlicht: (2024)

Hessian-Free Online Certified Unlearning
von: Qiao, Xinbao, et al.
Veröffentlicht: (2024)

Certified Unlearning in Decentralized Federated Learning
von: Wu, Hengliang, et al.
Veröffentlicht: (2026)

FedHERO: A Federated Learning Approach for Node Classification Task on Heterophilic Graphs
von: Chen, Zihan, et al.
Veröffentlicht: (2025)

Towards a Certified Proof Checker for Deep Neural Network Verification
von: Desmartin, Remi, et al.
Veröffentlicht: (2023)

Forget by Uncertainty: Orthogonal Entropy Unlearning for Quantized Neural Networks
von: Zhang, Tian, et al.
Veröffentlicht: (2026)

Adaptive Dual Prompting: Hierarchical Debiasing for Fairness-aware Graph Neural Networks
von: Yang, Yuhan, et al.
Veröffentlicht: (2025)

Edge Prompt Tuning for Graph Neural Networks
von: Fu, Xingbo, et al.
Veröffentlicht: (2025)

Attack by Unlearning: Unlearning-Induced Adversarial Attacks on Graph Neural Networks
von: Zhang, Jiahao, et al.
Veröffentlicht: (2026)

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

MolEdit: Knowledge Editing for Multimodal Molecule Language Models
von: Lei, Zhenyu, et al.
Veröffentlicht: (2025)

Rethinking Fair Graph Neural Networks from Re-balancing
von: Li, Zhixun, et al.
Veröffentlicht: (2024)

Forgettable Federated Linear Learning with Certified Data Unlearning
von: Jin, Ruinan, et al.
Veröffentlicht: (2023)

Rewind-to-Delete: Certified Machine Unlearning for Nonconvex Functions
von: Mu, Siqiao, et al.
Veröffentlicht: (2024)

Certified Minimax Unlearning with Generalization Rates and Deletion Capacity
von: Liu, Jiaqi, et al.
Veröffentlicht: (2023)

How Does Overparameterization Affect Machine Unlearning of Deep Neural Networks?
von: Alon, Gal, et al.
Veröffentlicht: (2025)