Buchumschlag

Backdoor Attacks on Discrete Graph Diffusion Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Jiawen, Karim, Samin, Hong, Yuan, Wang, Binghui
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Practical, Generalizable and Robust Backdoor Attacks on Text-to-Image Diffusion Models
von: Dai, Haoran, et al.
Veröffentlicht: (2025)

Inf2Guard: An Information-Theoretic Framework for Learning Privacy-Preserving Representations against Inference Attacks
von: Noorbakhsh, Sayedeh Leila, et al.
Veröffentlicht: (2024)

Practicable Black-box Evasion Attacks on Link Prediction in Dynamic Graphs -- A Graph Sequential Embedding Method
von: Li, Jiate, et al.
Veröffentlicht: (2024)

Certifiable Black-Box Attacks with Randomized Adversarial Examples: Breaking Defenses with Provable Confidence
von: Hong, Hanbin, et al.
Veröffentlicht: (2023)

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

Distributed Backdoor Attacks on Federated Graph Learning and Certified Defenses
von: Yang, Yuxin, et al.
Veröffentlicht: (2024)

BadRSSD: Backdoor Attacks on Regularized Self-Supervised Diffusion Models
von: Wang, Jiayao, et al.
Veröffentlicht: (2026)

UIBDiffusion: Universal Imperceptible Backdoor Attack for Diffusion Models
von: Han, Yuning, et al.
Veröffentlicht: (2024)

Learning Robust and Privacy-Preserving Representations via Information Theory
von: Zhang, Binghui, et al.
Veröffentlicht: (2024)

Rethinking Graph Backdoor Attacks: A Distribution-Preserving Perspective
von: Zhang, Zhiwei, et al.
Veröffentlicht: (2024)

Stealthy Yet Effective: Distribution-Preserving Backdoor Attacks on Graph Classification
von: Wang, Xiaobao, et al.
Veröffentlicht: (2025)

Diff-Cleanse: Identifying and Mitigating Backdoor Attacks in Diffusion Models
von: Hao, Jiang, et al.
Veröffentlicht: (2024)

PoisonedRAG: Knowledge Corruption Attacks to Retrieval-Augmented Generation of Large Language Models
von: Zou, Wei, et al.
Veröffentlicht: (2024)

Rectifying Privacy and Efficacy Measurements in Machine Unlearning: A New Inference Attack Perspective
von: Naderloui, Nima, et al.
Veröffentlicht: (2025)

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

Backdooring Masked Diffusion Language Models
von: Cao, Daniel Yiming, et al.
Veröffentlicht: (2026)

Towards Strong Certified Defense with Universal Asymmetric Randomization
von: Hong, Hanbin, et al.
Veröffentlicht: (2025)

Heterogeneous Graph Backdoor Attack
von: Chen, Jiawei, et al.
Veröffentlicht: (2025)

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

Cross-Paradigm Graph Backdoor Attacks with Promptable Subgraph Triggers
von: Liu, Dongyi, et al.
Veröffentlicht: (2025)

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

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

DiffusionHijack: Supply-Chain PRNG Backdoor Attack on Diffusion Models and Quantum Random Number Defense
von: You, Ziyang, et al.
Veröffentlicht: (2026)

Stealthy and Adjustable Text-Guided Backdoor Attacks on Multimodal Pretrained Models
von: Zhang, Yiyang, et al.
Veröffentlicht: (2026)

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

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

Invariant Aggregator for Defending against Federated Backdoor Attacks
von: Wang, Xiaoyang, et al.
Veröffentlicht: (2022)

CodePurify: Defend Backdoor Attacks on Neural Code Models via Entropy-based Purification
von: Mu, Fangwen, et al.
Veröffentlicht: (2024)

Text-CRS: A Generalized Certified Robustness Framework against Textual Adversarial Attacks
von: Zhang, Xinyu, et al.
Veröffentlicht: (2023)

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

DisDet: Exploring Detectability of Backdoor Attack on Diffusion Models
von: Sui, Yang, et al.
Veröffentlicht: (2024)

Self-Purification Mitigates Backdoors in Multimodal Diffusion Language Models
von: Wan, Guangnian, et al.
Veröffentlicht: (2026)

Provable Robustness of (Graph) Neural Networks Against Data Poisoning and Backdoor Attacks
von: Gosch, Lukas, et al.
Veröffentlicht: (2024)

Structure-Aware Distributed Backdoor Attacks in Federated Learning
von: Jian, Wang, et al.
Veröffentlicht: (2026)

Invisible Backdoor Attacks on Diffusion Models
von: Li, Sen, et al.
Veröffentlicht: (2024)

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

Robustness Inspired Graph Backdoor Defense
von: Zhang, Zhiwei, et al.
Veröffentlicht: (2024)

Persistent Backdoor Attacks in Continual Learning
von: Guo, Zhen, et al.
Veröffentlicht: (2024)

Backdoor Attacks on Decentralised Post-Training
von: Ersoy, Oğuzhan, et al.
Veröffentlicht: (2026)

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