Buchumschlag

Unlearning Inversion Attacks for Graph Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Jiahao, Wang, Yilong, Zhang, Zhiwei, Liu, Xiaorui, Wang, Suhang
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Are You Using Reliable Graph Prompts? Trojan Prompt Attacks on Graph Neural Networks
von: Lin, Minhua, et al.
Veröffentlicht: (2024)

A Numerical Gradient Inversion Attack in Variational Quantum Neural-Networks
von: Papadopoulos, Georgios, et al.
Veröffentlicht: (2025)

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

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

ReVeil: Unconstrained Concealed Backdoor Attack on Deep Neural Networks using Machine Unlearning
von: Alam, Manaar, et al.
Veröffentlicht: (2025)

A Cognac Shot To Forget Bad Memories: Corrective Unlearning for Graph Neural Networks
von: Kolipaka, Varshita, et al.
Veröffentlicht: (2024)

GraphToxin: Reconstructing Full Unlearned Graphs from Graph Unlearning
von: Song, Ying, et al.
Veröffentlicht: (2025)

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

Geminio: Language-Guided Gradient Inversion Attacks in Federated Learning
von: Shan, Junjie, et al.
Veröffentlicht: (2024)

Exposing Privacy Risks in Graph Retrieval-Augmented Generation
von: Liu, Jiale, et al.
Veröffentlicht: (2025)

Bounding the Expected Robustness of Graph Neural Networks Subject to Node Feature Attacks
von: Abbahaddou, Yassine, et al.
Veröffentlicht: (2024)

Data-Free Privacy-Preserving for LLMs via Model Inversion and Selective Unlearning
von: Zhou, Xinjie, et al.
Veröffentlicht: (2026)

WARP: Weight Teleportation for Attack-Resilient Unlearning Protocols
von: Maheri, Mohammad M, et al.
Veröffentlicht: (2025)

Optimal Transport-Guided Adversarial Attacks on Graph Neural Network-Based Bot Detection
von: Mukherjee, Kunal, et al.
Veröffentlicht: (2026)

AGSOA:Graph Neural Network Targeted Attack Based on Average Gradient and Structure Optimization
von: Chen, Yang, et al.
Veröffentlicht: (2024)

Verification of Bit-Flip Attacks against Quantized Neural Networks
von: Zhang, Yedi, et al.
Veröffentlicht: (2025)

Unlearned but Not Forgotten: Data Extraction after Exact Unlearning in LLM
von: Wu, Xiaoyu, et al.
Veröffentlicht: (2025)

Practical Feasibility of Gradient Inversion Attacks in Federated Learning
von: Valadi, Viktor, et al.
Veröffentlicht: (2025)

Towards Lifecycle Unlearning Commitment Management: Measuring Sample-level Unlearning Completeness
von: Wang, Cheng-Long, et al.
Veröffentlicht: (2025)

Graph Unlearning with Efficient Partial Retraining
von: Zhang, Jiahao, et al.
Veröffentlicht: (2024)

SoK: Unlearnability and Unlearning for Model Dememorization
von: Zhang, Mengying, et al.
Veröffentlicht: (2026)

On the Robustness of Bayesian Neural Networks to Adversarial Attacks
von: Bortolussi, Luca, et al.
Veröffentlicht: (2022)

Unveiling the Threat of Fraud Gangs to Graph Neural Networks: Multi-Target Graph Injection Attacks Against GNN-Based Fraud Detectors
von: Choi, Jinhyeok, et al.
Veröffentlicht: (2024)

Unlearn to Relearn Backdoors: Deferred Backdoor Functionality Attacks on Deep Learning Models
von: Shin, Jeongjin, et al.
Veröffentlicht: (2024)

No More Guessing: a Verifiable Gradient Inversion Attack in Federated Learning
von: Diana, Francesco, et al.
Veröffentlicht: (2026)

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

Disttack: Graph Adversarial Attacks Toward Distributed GNN Training
von: Zhang, Yuxiang, et al.
Veröffentlicht: (2024)

LLM Benchmark Datasets Should Be Contamination-Resistant
von: Al-Lawati, Ali, et al.
Veröffentlicht: (2026)

Exact Verification of Graph Neural Networks with Incremental Constraint Solving
von: Liu, Minghao, et al.
Veröffentlicht: (2025)

TAS-GNN: A Status-Aware Signed Graph Neural Network for Anomaly Detection in Bitcoin Trust Systems
von: Xue, Chang, et al.
Veröffentlicht: (2026)

Model Inversion Attack against Federated Unlearning
von: Zhou, Lei, et al.
Veröffentlicht: (2025)

MADE: Graph Backdoor Defense with Masked Unlearning
von: Lin, Xiao, et al.
Veröffentlicht: (2024)

Backdoor Graph Condensation
von: Wu, Jiahao, et al.
Veröffentlicht: (2024)

Model Inversion Attacks on Llama 3: Extracting PII from Large Language Models
von: Sivashanmugam, Sathesh P.
Veröffentlicht: (2025)

GI-PIP: Do We Require Impractical Auxiliary Dataset for Gradient Inversion Attacks?
von: Sun, Yu, et al.
Veröffentlicht: (2024)

A General Black-box Adversarial Attack on Graph-based Fake News Detectors
von: Zhu, Peican, et al.
Veröffentlicht: (2024)

Unlink to Unlearn: Simplifying Edge Unlearning in GNNs
von: Tan, Jiajun, et al.
Veröffentlicht: (2024)

ACU: Analytic Continual Unlearning for Efficient and Exact Forgetting with Privacy Preservation
von: Tang, Jianheng, et al.
Veröffentlicht: (2025)

Textual Unlearning Gives a False Sense of Unlearning
von: Du, Jiacheng, et al.
Veröffentlicht: (2024)