Buchumschlag

PrivGNN: High-Performance Secure Inference for Cryptographic Graph Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Fuyi, Chen, Zekai, Fan, Mingyuan, Zhou, Jianying, Pan, Lei, Zhang, Leo Yu
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

Boosting Gradient Leakage Attacks: Data Reconstruction in Realistic FL Settings
von: Fan, Mingyuan, et al.
Veröffentlicht: (2025)

CryptGNN: Enabling Secure Inference for Graph Neural Networks
von: Sen, Pritam, et al.
Veröffentlicht: (2025)

What Does the Server See? Understanding Privacy Leakage from Large Language Models in Split Inference
von: Fan, Mingyuan, et al.
Veröffentlicht: (2026)

FLAME: Flexible and Lightweight Biometric Authentication Scheme in Malicious Environments
von: Wang, Fuyi, et al.
Veröffentlicht: (2025)

Bad-PFL: Exploring Backdoor Attacks against Personalized Federated Learning
von: Fan, Mingyuan, et al.
Veröffentlicht: (2025)

Cryptographic Backdoor for Neural Networks: Boon and Bane
von: Ngo, Anh Tu, et al.
Veröffentlicht: (2025)

PPT-GNN: A Practical Pre-Trained Spatio-Temporal Graph Neural Network for Network Security
von: Van Langendonck, Louis, et al.
Veröffentlicht: (2024)

On the Robustness of Graph Reduction Against GNN Backdoor
von: Zhu, Yuxuan, et al.
Veröffentlicht: (2024)

CBNN: 3-Party Secure Framework for Customized Binary Neural Networks Inference
von: Dong, Benchang, et al.
Veröffentlicht: (2024)

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

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

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

Backdoor Channels Hidden in Latent Space: Cryptographic Undetectability in Modern Neural Networks
von: Eggen, Marte, et al.
Veröffentlicht: (2026)

GNNBleed: Inference Attacks to Unveil Private Edges in Graphs with Realistic Access to GNN Models
von: Song, Zeyu, et al.
Veröffentlicht: (2023)

PrivORL: Differentially Private Synthetic Dataset for Offline Reinforcement Learning
von: Gong, Chen, et al.
Veröffentlicht: (2025)

SecONNds: Secure Outsourced Neural Network Inference on ImageNet
von: Balla, Shashank
Veröffentlicht: (2025)

RELIC-GNN: Efficient State Registers Identification with Graph Neural Network for Reverse Engineering
von: Pan, Weitao, et al.
Veröffentlicht: (2025)

Revisiting Edge Perturbation for Graph Neural Network in Graph Data Augmentation and Attack
von: Liu, Xin, et al.
Veröffentlicht: (2024)

How does Graph Structure Modulate Membership-Inference Risk for Graph Neural Networks?
von: Khosla, Megha
Veröffentlicht: (2026)

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

A Fast, Performant, Secure Distributed Training Framework For Large Language Model
von: Huang, Wei, et al.
Veröffentlicht: (2024)

DESIGN: Encrypted GNN Inference via Server-Side Input Graph Pruning
von: Zhao, Kaixiang, et al.
Veröffentlicht: (2025)

Graph Reconstruction from Differentially Private GNN Explanations
von: Sahoo, Rishi Raj, et al.
Veröffentlicht: (2026)

AttackGNN: Red-Teaming GNNs in Hardware Security Using Reinforcement Learning
von: Gohil, Vasudev, et al.
Veröffentlicht: (2024)

GNN-Based Code Annotation Logic for Establishing Security Boundaries in C Code
von: Gadey, Varun, et al.
Veröffentlicht: (2024)

Interpreting GNN-based IDS Detections Using Provenance Graph Structural Features
von: Mukherjee, Kunal, et al.
Veröffentlicht: (2023)

Pruning Graphs by Adversarial Robustness Evaluation to Strengthen GNN Defenses
von: Wang, Yongyu
Veröffentlicht: (2025)

Refiner: Data Refining against Gradient Leakage Attacks in Federated Learning
von: Fan, Mingyuan, et al.
Veröffentlicht: (2022)

Panther: A Cost-Effective Privacy-Preserving Framework for GNN Training and Inference Services in Cloud Environments
von: Chen, Congcong, et al.
Veröffentlicht: (2025)

DeepProv: Behavioral Characterization and Repair of Neural Networks via Inference Provenance Graph Analysis
von: Hmida, Firas Ben, et al.
Veröffentlicht: (2025)

PrivATE: Differentially Private Confidence Intervals for Average Treatment Effects
von: Schröder, Maresa, et al.
Veröffentlicht: (2025)

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)

Elevating Medical Image Security: A Cryptographic Framework Integrating Hyperchaotic Map and GRU
von: Li, Weixuan, et al.
Veröffentlicht: (2025)

SONNI: Secure Oblivious Neural Network Inference
von: Sperling, Luke, et al.
Veröffentlicht: (2025)

High Epsilon Synthetic Data Vulnerabilities in MST and PrivBayes
von: Golob, Steven, et al.
Veröffentlicht: (2024)

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

Obsidian: Cooperative State-Space Exploration for Performant Inference on Secure ML Accelerators
von: Banerjee, Sarbartha, et al.
Veröffentlicht: (2024)

TDADL-IE: A Deep Learning-Driven Cryptographic Architecture for Medical Image Security
von: Zhou, Junhua, et al.
Veröffentlicht: (2025)

Ditto: Quantization-aware Secure Inference of Transformers upon MPC
von: Wu, Haoqi, et al.
Veröffentlicht: (2024)

PrivQuant: Communication-Efficient Private Inference with Quantized Network/Protocol Co-Optimization
von: Xu, Tianshi, et al.
Veröffentlicht: (2024)