Buchumschlag

Residual Random Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Andrecut, M.
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

Growing Random Strings in CA
von: Andrecut, M.
Veröffentlicht: (2022)

Raspberry Pi Pico as a Radio Transmitter
von: Andrecut, M.
Veröffentlicht: (2025)

Advancing DDoS Attack Detection: A Synergistic Approach Using Deep Residual Neural Networks and Synthetic Oversampling
von: Alfatemi, Ali, et al.
Veröffentlicht: (2024)

Degree-Preserving Randomized Response for Graph Neural Networks under Local Differential Privacy
von: Hidano, Seira, et al.
Veröffentlicht: (2022)

Noise as a Double-Edged Sword: Reinforcement Learning Exploits Randomized Defenses in Neural Networks
von: Bakos, Steve, et al.
Veröffentlicht: (2024)

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

PPFL-RDSN: Privacy-Preserving Federated Learning-based Residual Dense Spatial Networks for Encrypted Lossy Image Reconstruction
von: He, Peilin, et al.
Veröffentlicht: (2025)

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

Modeling Neural Networks with Privacy Using Neural Stochastic Differential Equations
von: Hong, Sanghyun, et al.
Veröffentlicht: (2025)

On Stealing Graph Neural Network Models
von: Podhajski, Marcin, et al.
Veröffentlicht: (2025)

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

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

Multiplicative Reweighting for Robust Neural Network Optimization
von: Bar, Noga, et al.
Veröffentlicht: (2021)

Cryptographic Backdoor for Neural Networks: Boon and Bane
von: Ngo, Anh Tu, et al.
Veröffentlicht: (2025)

Applying Self-supervised Learning to Network Intrusion Detection for Network Flows with Graph Neural Network
von: Xu, Renjie, et al.
Veröffentlicht: (2024)

Hard-Label Cryptanalytic Extraction of Neural Network Models
von: Chen, Yi, et al.
Veröffentlicht: (2024)

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

Privacy-Preserving Verifiable Neural Network Inference Service
von: Riasi, Arman, et al.
Veröffentlicht: (2024)

Stealing Training Graphs from Graph Neural Networks
von: Lin, Minhua, et al.
Veröffentlicht: (2024)

On the Adversarial Robustness of Graph Neural Networks with Graph Reduction
von: Wu, Kerui, et al.
Veröffentlicht: (2024)

Patch Synthesis for Property Repair of Deep Neural Networks
von: Chi, Zhiming, et al.
Veröffentlicht: (2024)

GENIE: Watermarking Graph Neural Networks for Link Prediction
von: Bachina, Venkata Sai Pranav, et al.
Veröffentlicht: (2024)

Preserving Node-level Privacy in Graph Neural Networks
von: Xiang, Zihang, et al.
Veröffentlicht: (2023)

Adversarial Attacks on Locally Private Graph Neural Networks
von: Varun, Matta, et al.
Veröffentlicht: (2026)

Deep-Lock: Secure Authorization for Deep Neural Networks
von: Alam, Manaar, et al.
Veröffentlicht: (2020)

Node-level Contrastive Unlearning on Graph Neural Networks
von: Lee, Hong kyu, et al.
Veröffentlicht: (2025)

Privacy-Preserving 3-Layer Neural Network Training
von: Chiang, John
Veröffentlicht: (2023)

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

Neural Network-Powered Finger-Drawn Biometric Authentication
von: Balkhi, Maan Al, et al.
Veröffentlicht: (2025)

Few Edges Are Enough: Few-Shot Network Attack Detection with Graph Neural Networks
von: Bilot, Tristan, et al.
Veröffentlicht: (2025)

Tempo: Confidentiality Preservation in Cloud-Based Neural Network Training
von: Xu, Rongwu, et al.
Veröffentlicht: (2024)

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

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

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

Injecting Undetectable Backdoors in Obfuscated Neural Networks and Language Models
von: Kalavasis, Alkis, et al.
Veröffentlicht: (2024)

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

Supervised Robustness-preserving Data-free Neural Network Pruning
von: Meng, Mark Huasong, et al.
Veröffentlicht: (2022)

Navigating the Deep: End-to-End Extraction on Deep Neural Networks
von: Liu, Haolin, et al.
Veröffentlicht: (2025)

CryptGNN: Enabling Secure Inference for Graph Neural Networks
von: Sen, Pritam, et al.
Veröffentlicht: (2025)

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