Buchumschlag

Provable Unlearning with Gradient Ascent on Two-Layer ReLU Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Melamed, Odelia, Yehudai, Gilad, Vardi, Gal
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

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

From Tempered to Benign Overfitting in ReLU Neural Networks
von: Kornowski, Guy, et al.
Veröffentlicht: (2023)

On Space Folds of ReLU Neural Networks
von: Lewandowski, Michal, et al.
Veröffentlicht: (2025)

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)

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

The Geometry of ReLU Networks through the ReLU Transition Graph
von: Dhayalkar, Sahil Rajesh
Veröffentlicht: (2025)

Do Spikes Protect Privacy? Investigating Black-Box Model Inversion Attacks in Spiking Neural Networks
von: Poursiami, Hamed, et al.
Veröffentlicht: (2025)

Causal Explanations from the Geometric Properties of ReLU Neural Networks
von: Woods, Hector, et al.
Veröffentlicht: (2026)

ReLU-KAN: New Kolmogorov-Arnold Networks that Only Need Matrix Addition, Dot Multiplication, and ReLU
von: Qiu, Qi, et al.
Veröffentlicht: (2024)

Sign Gradient Descent-based Neuronal Dynamics: ANN-to-SNN Conversion Beyond ReLU Network
von: Oh, Hyunseok, et al.
Veröffentlicht: (2024)

On the Depth of Monotone ReLU Neural Networks and ICNNs
von: Bakaev, Egor, et al.
Veröffentlicht: (2025)

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

Towards Lower Bounds on the Depth of ReLU Neural Networks
von: Hertrich, Christoph, et al.
Veröffentlicht: (2021)

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

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

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

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

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

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

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

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

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

Expressivity and Approximation Properties of Deep Neural Networks with ReLU$^k$ Activation
von: He, Juncai, et al.
Veröffentlicht: (2023)

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

Your Network May Need to Be Rewritten: Network Adversarial Based on High-Dimensional Function Graph Decomposition
von: Su, Xiaoyan, et al.
Veröffentlicht: (2024)

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

Graph Agent Network: Empowering Nodes with Inference Capabilities for Adversarial Resilience
von: Liu, Ao, et al.
Veröffentlicht: (2023)

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

The Computational Complexity of Counting Linear Regions in ReLU Neural Networks
von: Stargalla, Moritz, et al.
Veröffentlicht: (2025)

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

Zorro: A Flexible and Differentiable Parametric Family of Activation Functions That Extends ReLU and GELU
von: Roodschild, Matias, et al.
Veröffentlicht: (2024)

Enhancing Adversarial Robustness in SNNs with Sparse Gradients
von: Liu, Yujia, et al.
Veröffentlicht: (2024)

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

Competition-based Adaptive ReLU for Deep Neural Networks
von: Chen, Junjia, et al.
Veröffentlicht: (2024)

ReLU Neural Networks of Polynomial Size for Exact Maximum Flow Computation
von: Hertrich, Christoph, et al.
Veröffentlicht: (2021)

Geometry-induced Regularization in Deep ReLU Neural Networks
von: Bona-Pellissier, Joachim, et al.
Veröffentlicht: (2024)

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

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