Buchumschlag

Do Spikes Protect Privacy? Investigating Black-Box Model Inversion Attacks in Spiking Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Poursiami, Hamed, Moshruba, Ayana, Parsa, Maryam
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Cryptography and Security Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Watermarking Neuromorphic Brains: Intellectual Property Protection in Spiking Neural Networks
von: Poursiami, Hamed, et al.
Veröffentlicht: (2024)

Izhikevich-Inspired Temporal Dynamics for Enhancing Privacy, Efficiency, and Transferability in Spiking Neural Networks
von: Moshruba, Ayana, et al.
Veröffentlicht: (2025)

On the Privacy-Preserving Properties of Spiking Neural Networks with Unique Surrogate Gradients and Quantization Levels
von: Moshruba, Ayana, et al.
Veröffentlicht: (2025)

BrainLeaks: On the Privacy-Preserving Properties of Neuromorphic Architectures against Model Inversion Attacks
von: Poursiami, Hamed, et al.
Veröffentlicht: (2024)

Are Neuromorphic Architectures Inherently Privacy-preserving? An Exploratory Study
von: Moshruba, Ayana, et al.
Veröffentlicht: (2024)

Adversarially Robust Spiking Neural Networks with Sparse Connectivity
von: Schmolli, Mathias, et al.
Veröffentlicht: (2025)

On the Adversarial Robustness of Spiking Neural Networks Trained by Local Learning
von: Lin, Jiaqi, et al.
Veröffentlicht: (2025)

Impact of White-Box Adversarial Attacks on Convolutional Neural Networks
von: Podder, Rakesh, et al.
Veröffentlicht: (2024)

A Homomorphic Encryption Framework for Privacy-Preserving Spiking Neural Networks
von: Nikfam, Farzad, et al.
Veröffentlicht: (2023)

Attacking the Spike: On the Transferability and Security of Spiking Neural Networks to Adversarial Examples
von: Xu, Nuo, et al.
Veröffentlicht: (2022)

Data Poisoning-based Backdoor Attack Framework against Supervised Learning Rules of Spiking Neural Networks
von: Jin, Lingxin, et al.
Veröffentlicht: (2024)

Neuromorphic Parameter Estimation for Power Converter Health Monitoring Using Spiking Neural Networks
von: Baik, Hyeongmeen, et al.
Veröffentlicht: (2026)

HoSNN: Adversarially-Robust Homeostatic Spiking Neural Networks with Adaptive Firing Thresholds
von: Geng, Hejia, et al.
Veröffentlicht: (2023)

CEPA: Consensus Embedded Perturbation for Agnostic Detection and Inversion of Backdoors
von: Yang, Guangmingmei, et al.
Veröffentlicht: (2024)

MALT Powers Up Adversarial Attacks
von: Melamed, Odelia, et al.
Veröffentlicht: (2024)

Provable Unlearning with Gradient Ascent on Two-Layer ReLU Neural Networks
von: Melamed, Odelia, et al.
Veröffentlicht: (2025)

Privacy-preserving Continual Federated Clustering via Adaptive Resonance Theory
von: Masuyama, Naoki, et al.
Veröffentlicht: (2023)

Sequencing the Neurome: Towards Scalable Exact Parameter Reconstruction of Black-Box Neural Networks
von: Goldfeder, Judah, et al.
Veröffentlicht: (2024)

HyperGraphX: Graph Transductive Learning with Hyperdimensional Computing and Message Passing
von: Cong, Guojing, et al.
Veröffentlicht: (2025)

Attacking Graph Neural Networks with Bit Flips: Weisfeiler and Lehman Go Indifferent
von: Kummer, Lorenz, et al.
Veröffentlicht: (2023)

Differential Privacy Regularization: Protecting Training Data Through Loss Function Regularization
von: Aguilera-Martínez, Francisco, et al.
Veröffentlicht: (2024)

Time-Distributed Backdoor Attacks on Federated Spiking Learning
von: Abad, Gorka, et al.
Veröffentlicht: (2024)

BlackDAN: A Black-Box Multi-Objective Approach for Effective and Contextual Jailbreaking of Large Language Models
von: Wang, Xinyuan, et al.
Veröffentlicht: (2024)

Transductive Spiking Graph Neural Networks for Loihi
von: Snyder, Shay, et al.
Veröffentlicht: (2024)

VS-Graph: Scalable and Efficient Graph Classification Using Hyperdimensional Computing
von: Poursiami, Hamed, et al.
Veröffentlicht: (2025)

Evaluation of Neural Networks Defenses and Attacks using NDCG and Reciprocal Rank Metrics
von: Brama, Haya, et al.
Veröffentlicht: (2022)

From One Attack Domain to Another: Contrastive Transfer Learning with Siamese Networks for APT Detection
von: Benabderrahmane, Sidahmed, et al.
Veröffentlicht: (2025)

Use of Graph Neural Networks in Aiding Defensive Cyber Operations
von: Mitra, Shaswata, et al.
Veröffentlicht: (2024)

LLM Security: Vulnerabilities, Attacks, Defenses, and Countermeasures
von: Aguilera-Martínez, Francisco, et al.
Veröffentlicht: (2025)

Enhancing IoT Security: A Novel Feature Engineering Approach for ML-Based Intrusion Detection Systems
von: Mahanipour, Afsaneh, et al.
Veröffentlicht: (2024)

Boosting Adversarial Robustness and Generalization with Structural Prior
von: Hou, Zhichao, et al.
Veröffentlicht: (2025)

Rectifying Adversarial Examples Using Their Vulnerabilities
von: Morimoto, Fumiya, et al.
Veröffentlicht: (2026)

Synchronization of Tree Parity Machines using non-binary input vectors
von: Stypiński, Miłosz, et al.
Veröffentlicht: (2021)

LADDER: Multi-objective Backdoor Attack via Evolutionary Algorithm
von: Liu, Dazhuang, et al.
Veröffentlicht: (2024)

Differential Privacy in Machine Learning: A Survey from Symbolic AI to LLMs
von: Aguilera-Martínez, Francisco, et al.
Veröffentlicht: (2025)

Protecting Feed-Forward Networks from Adversarial Attacks Using Predictive Coding
von: Ganjidoost, Ehsan, et al.
Veröffentlicht: (2024)

Neuromorphic Spiking Neural Network Based Classification of COVID-19 Spike Sequences
von: Murad, Taslim, et al.
Veröffentlicht: (2024)

Time to Spike? Understanding the Representational Power of Spiking Neural Networks in Discrete Time
von: Nguyen, Duc Anh, et al.
Veröffentlicht: (2025)

ChronoPlastic Spiking Neural Networks
von: Chaudhry, Sarim
Veröffentlicht: (2025)

SNNAX -- Spiking Neural Networks in JAX
von: Lohoff, Jamie, et al.
Veröffentlicht: (2024)