Buchumschlag

Budgeted Adversarial Attack against Graph-Based Anomaly Detection in Sensor Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xaviar, Sanju, Ardakanian, Omid
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

PrivDiffuser: Privacy-Guided Diffusion Model for Data Obfuscation in Sensor Networks
von: Yang, Xin, et al.
Veröffentlicht: (2024)

CLOAK: Contrastive Guidance for Latent Diffusion-Based Data Obfuscation
von: Yang, Xin, et al.
Veröffentlicht: (2025)

Forecasting Multivariate Urban Data via Decomposition and Spatio-Temporal Graph Analysis
von: Sohrabbeig, Amirhossein, et al.
Veröffentlicht: (2025)

Hierarchical Persistence Velocity for Network Anomaly Detection: Theory and Applications to Cryptocurrency Markets
von: Khormali, Omid
Veröffentlicht: (2025)

Understanding the Robustness of Graph Neural Networks against Adversarial Attacks
von: Wu, Tao, et al.
Veröffentlicht: (2024)

Adversarial Attacks on Fairness of Graph Neural Networks
von: Zhang, Binchi, et al.
Veröffentlicht: (2023)

Robustness Certificates for Neural Networks against Adversarial Attacks
von: Taheri, Sara, et al.
Veröffentlicht: (2025)

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

DARD: Dice Adversarial Robustness Distillation against Adversarial Attacks
von: Zou, Jing, et al.
Veröffentlicht: (2025)

Knowing When to Stop Matters: A Unified Algorithm for Online Conversion under Horizon Uncertainty
von: Wang, Yanzhao, et al.
Veröffentlicht: (2025)

Social Network User Profiling for Anomaly Detection Based on Graph Neural Networks
von: Zhang, Yiwei
Veröffentlicht: (2025)

Fine-Grained Iterative Adversarial Attacks with Limited Computation Budget
von: Hou, Zhichao, et al.
Veröffentlicht: (2025)

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

Unsupervised Anomaly Detection and Localization with Generative Adversarial Networks
von: Abdelli, Khouloud, et al.
Veröffentlicht: (2024)

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

TinyML for Acoustic Anomaly Detection in IoT Sensor Networks
von: Almaini, Amar, et al.
Veröffentlicht: (2026)

Global Context Enhanced Anomaly Detection of Cyber Attacks via Decoupled Graph Neural Networks
von: Hafez, Ahmad
Veröffentlicht: (2024)

AHSG: Adversarial Attack on High-level Semantics in Graph Neural Networks
von: Yuan, Kai, et al.
Veröffentlicht: (2024)

Adversarial Attacks for Drift Detection
von: Hinder, Fabian, et al.
Veröffentlicht: (2024)

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

Double-Adversarial Activation Anomaly Detection: Adversarial Autoencoders are Anomaly Generators
von: Schulze, J. -P., et al.
Veröffentlicht: (2021)

Adversarial Attacks on Graph Neural Networks via Meta Learning
von: Zügner, Daniel, et al.
Veröffentlicht: (2019)

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

Motif-Consistent Counterfactuals with Adversarial Refinement for Graph-Level Anomaly Detection
von: Xiao, Chunjing, et al.
Veröffentlicht: (2024)

Backdoor Attack against One-Class Sequential Anomaly Detection Models
von: Cheng, He, et al.
Veröffentlicht: (2024)

Adversarial Inception Backdoor Attacks against Reinforcement Learning
von: Rathbun, Ethan, et al.
Veröffentlicht: (2024)

Explainability-Based Adversarial Attack on Graphs Through Edge Perturbation
von: Chanda, Dibaloke, et al.
Veröffentlicht: (2023)

Adversarial Resilience against Clean-Label Attacks in Realizable and Noisy Settings
von: Heinzler, Carolin
Veröffentlicht: (2025)

Robust Anomaly Detection with Graph Neural Networks using Controllability
von: Wei, Yifan, et al.
Veröffentlicht: (2025)

Guarding Graph Neural Networks for Unsupervised Graph Anomaly Detection
von: Bei, Yuanchen, et al.
Veröffentlicht: (2024)

GAIM: Attacking Graph Neural Networks via Adversarial Influence Maximization
von: Yang, Xiaodong, et al.
Veröffentlicht: (2024)

Temporal Graph Networks for Graph Anomaly Detection in Financial Networks
von: Kim, Yejin, et al.
Veröffentlicht: (2024)

MPAT: Building Robust Deep Neural Networks against Textual Adversarial Attacks
von: Zhang, Fangyuan, et al.
Veröffentlicht: (2024)

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

Graph-Level Label-Only Membership Inference Attack against Graph Neural Networks
von: Dai, Jiazhu, et al.
Veröffentlicht: (2025)

Robust Anomaly Detection in O-RAN: Leveraging LLMs against Data Manipulation Attacks
von: Dayaratne, Thusitha, et al.
Veröffentlicht: (2025)

FrameShield: Adversarially Robust Video Anomaly Detection
von: Nafez, Mojtaba, et al.
Veröffentlicht: (2025)

Generalist Graph Anomaly Detection via Prototype-Based Distillation
von: Xu, Yiming, et al.
Veröffentlicht: (2026)

ADVENT: Attack/Anomaly Detection in VANETs
von: Baharlouei, Hamideh, et al.
Veröffentlicht: (2024)

Adversarial Attacks on Hyperbolic Networks
von: van Spengler, Max, et al.
Veröffentlicht: (2024)