Buchumschlag

Ralts: Robust Aggregation for Enhancing Graph Neural Network Resilience on Bit-flip Errors

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zou, Wencheng, Wu, Nan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Robust Graph Neural Networks via Unbiased Aggregation
von: Hou, Zhichao, et al.
Veröffentlicht: (2023)

Enhancing the Resilience of Graph Neural Networks to Topological Perturbations in Sparse Graphs
von: He, Shuqi, et al.
Veröffentlicht: (2024)

Bit-Flip Fault Attack: Crushing Graph Neural Networks via Gradual Bit Search
von: Abharian, Sanaz Kazemi, et al.
Veröffentlicht: (2025)

COBRA: Catastrophic Bit-flip Reliability Analysis of State-Space Models
von: Das, Sanjay, et al.
Veröffentlicht: (2025)

Enhancing Robustness of Graph Neural Networks through p-Laplacian
von: Sirohi, Anuj Kumar, et al.
Veröffentlicht: (2025)

Enhancing Robustness of Graph Neural Networks through p-Laplacian
von: Sirohi, Anuj Kumar, et al.
Veröffentlicht: (2024)

DyBit: Dynamic Bit-Precision Numbers for Efficient Quantized Neural Network Inference
von: Zhou, Jiajun, et al.
Veröffentlicht: (2023)

HAGNN: Hybrid Aggregation for Heterogeneous Graph Neural Networks
von: Zhu, Guanghui, et al.
Veröffentlicht: (2023)

Crossfire: An Elastic Defense Framework for Graph Neural Networks Under Bit Flip Attacks
von: Kummer, Lorenz, et al.
Veröffentlicht: (2025)

Are LLM-Enhanced Graph Neural Networks Robust against Poisoning Attacks?
von: Ma, Yuhang, et al.
Veröffentlicht: (2026)

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

PRES: Toward Scalable Memory-Based Dynamic Graph Neural Networks
von: Su, Junwei, et al.
Veröffentlicht: (2024)

From Arithmetic to Logic: The Resilience of Logic and Lookup-Based Neural Networks Under Parameter Bit-Flips
von: Bacellar, Alan T. L., et al.
Veröffentlicht: (2026)

Generating Robust Counterfactual Witnesses for Graph Neural Networks
von: Qiu, Dazhuo, et al.
Veröffentlicht: (2024)

Convergence of Message Passing Graph Neural Networks with Generic Aggregation On Large Random Graphs
von: Cordonnier, Matthieu, et al.
Veröffentlicht: (2023)

Who Owns This Sample: Cross-Client Membership Inference Attack in Federated Graph Neural Networks
von: Li, Kunhao, et al.
Veröffentlicht: (2025)

Multi-Objective Linear Ensembles for Robust and Sparse Training of Few-Bit Neural Networks
von: Bernardelli, Ambrogio Maria, et al.
Veröffentlicht: (2022)

Scalable Quantum Error Mitigation with Physically Informed Graph Neural Networks
von: Wang, Huaxin, et al.
Veröffentlicht: (2026)

Graph Convolutional Neural Networks Sensitivity under Probabilistic Error Model
von: Wang, Xinjue, et al.
Veröffentlicht: (2022)

Enhanced Soups for Graph Neural Networks
von: Zuber, Joseph, et al.
Veröffentlicht: (2025)

Towards Robust Graph Incremental Learning on Evolving Graphs
von: Su, Junwei, et al.
Veröffentlicht: (2024)

ERASE: Error-Resilient Representation Learning on Graphs for Label Noise Tolerance
von: Chen, Ling-Hao, et al.
Veröffentlicht: (2023)

Tiled Bit Networks: Sub-Bit Neural Network Compression Through Reuse of Learnable Binary Vectors
von: Gorbett, Matt, et al.
Veröffentlicht: (2024)

A Density Ratio Super Learner
von: Wu, Wencheng, et al.
Veröffentlicht: (2024)

GRAIN: Multi-Granular and Implicit Information Aggregation Graph Neural Network for Heterophilous Graphs
von: Zhao, Songwei, et al.
Veröffentlicht: (2025)

LGAN: An Efficient High-Order Graph Neural Network via the Line Graph Aggregation
von: Du, Lin, et al.
Veröffentlicht: (2025)

On the Relationship Between Robustness and Expressivity of Graph Neural Networks
von: Kummer, Lorenz, et al.
Veröffentlicht: (2025)

Robust Knowledge Adaptation for Dynamic Graph Neural Networks
von: Li, Hanjie, et al.
Veröffentlicht: (2022)

Analyzing Neural Network Robustness Using Graph Curvature
von: Tan, Shuhang, et al.
Veröffentlicht: (2024)

Generalization Error of Graph Neural Networks in the Mean-field Regime
von: Aminian, Gholamali, et al.
Veröffentlicht: (2024)

RSEA-MVGNN: Multi-View Graph Neural Network with Reliable Structural Enhancement and Aggregation
von: Chen, Junyu, et al.
Veröffentlicht: (2024)

Efficient Relation-aware Neighborhood Aggregation in Graph Neural Networks via Tensor Decomposition
von: Baghershahi, Peyman, et al.
Veröffentlicht: (2022)

Sequential Signal Mixing Aggregation for Message Passing Graph Neural Networks
von: Taraday, Mitchell Keren, et al.
Veröffentlicht: (2024)

PrisonBreak: Jailbreaking Large Language Models with at Most Twenty-Five Targeted Bit-flips
von: Coalson, Zachary, et al.
Veröffentlicht: (2024)

Graph Sparsification for Enhanced Conformal Prediction in Graph Neural Networks
von: He, Yuntian, et al.
Veröffentlicht: (2024)

Resilient Graph Neural Networks: A Coupled Dynamical Systems Approach
von: Eliasof, Moshe, et al.
Veröffentlicht: (2023)

Graph Neural Aggregation-diffusion with Metastability
von: Cui, Kaiyuan, et al.
Veröffentlicht: (2024)

Certified Robust Accuracy of Neural Networks Are Bounded due to Bayes Errors
von: Zhang, Ruihan, et al.
Veröffentlicht: (2024)

Exact Generalisation Error Exposes Benchmarks Skew Graph Neural Networks Success (or Failure)
von: Ayday, Nil, et al.
Veröffentlicht: (2025)

Training Robust Graph Neural Networks by Modeling Noise Dependencies
von: In, Yeonjun, et al.
Veröffentlicht: (2025)