Buchumschlag

DivQAT: Enhancing Robustness of Quantized Convolutional Neural Networks against Model Extraction Attacks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Khaled, Kacem, de Magalhães, Felipe Gohring, Nicolescu, Gabriela
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MEA-Defender: A Robust Watermark against Model Extraction Attack
von: Lv, Peizhuo, et al.
Veröffentlicht: (2024)

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

Quantitative Analysis of Deeply Quantized Tiny Neural Networks Robust to Adversarial Attacks
von: Zakariyya, Idris, et al.
Veröffentlicht: (2025)

Defending against Backdoor Attack on Deep Neural Networks
von: Cheng, Hao, et al.
Veröffentlicht: (2020)

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

AUTOLYCUS: Exploiting Explainable AI (XAI) for Model Extraction Attacks against Interpretable Models
von: Oksuz, Abdullah Caglar, et al.
Veröffentlicht: (2023)

ATOM: A Framework of Detecting Query-Based Model Extraction Attacks for Graph Neural Networks
von: Cheng, Zhan, et al.
Veröffentlicht: (2025)

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

Model Extraction Attacks Revisited
von: Liang, Jiacheng, et al.
Veröffentlicht: (2023)

On the Robustness of Distributed Machine Learning against Transfer Attacks
von: Andreina, Sébastien, et al.
Veröffentlicht: (2024)

Collective Certified Robustness against Graph Injection Attacks
von: Lai, Yuni, et al.
Veröffentlicht: (2024)

Enhancing the Robustness of QMIX against State-adversarial Attacks
von: Guo, Weiran, et al.
Veröffentlicht: (2023)

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

A Semantic and Clean-label Backdoor Attack against Graph Convolutional Networks
von: Dai, Jiazhu, et al.
Veröffentlicht: (2025)

Hard-Label Cryptanalytic Extraction of Neural Network Models
von: Chen, Yi, et al.
Veröffentlicht: (2024)

Provable Robustness of (Graph) Neural Networks Against Data Poisoning and Backdoor Attacks
von: Gosch, Lukas, et al.
Veröffentlicht: (2024)

Few-shot Model Extraction Attacks against Sequential Recommender Systems
von: Zhang, Hui, et al.
Veröffentlicht: (2024)

Enhancing the Antidote: Improved Pointwise Certifications against Poisoning Attacks
von: Liu, Shijie, et al.
Veröffentlicht: (2023)

New Machine Learning Approaches for Intrusion Detection in ADS-B
von: Ngamboé, Mikaëla, et al.
Veröffentlicht: (2025)

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

Impact of White-Box Adversarial Attacks on Convolutional Neural Networks
von: Podder, Rakesh, et al.
Veröffentlicht: (2024)

Provable Robustness against Backdoor Attacks via the Primal-Dual Perspective on Differential Privacy
von: Saxena, Aman, et al.
Veröffentlicht: (2026)

A Systematic Study of Model Extraction Attacks on Graph Foundation Models
von: Xu, Haoyan, et al.
Veröffentlicht: (2025)

From Counterfactuals to Trees: Competitive Analysis of Model Extraction Attacks
von: Khouna, Awa, et al.
Veröffentlicht: (2025)

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

Efficient Encrypted Computation in Convolutional Spiking Neural Networks with TFHE
von: Guo, Longfei, et al.
Veröffentlicht: (2026)

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

Adversarial Contrastive Learning for LLM Quantization Attacks
von: Song, Dinghong, et al.
Veröffentlicht: (2026)

Indiscriminate Data Poisoning Attacks on Neural Networks
von: Lu, Yiwei, et al.
Veröffentlicht: (2022)

FedRDF: A Robust and Dynamic Aggregation Function against Poisoning Attacks in Federated Learning
von: Campos, Enrique Mármol, et al.
Veröffentlicht: (2024)

Multi-granular Adversarial Attacks against Black-box Neural Ranking Models
von: Liu, Yu-An, et al.
Veröffentlicht: (2024)

EnCAgg: Enhanced Clustering Aggregation for Robust Federated Learning against Dynamic Model Poisoning
von: Zhang, Tianyun, et al.
Veröffentlicht: (2026)

CopyQNN: Quantum Neural Network Extraction Attack under Varying Quantum Noise
von: Fu, Zhenxiao, et al.
Veröffentlicht: (2025)

Navigating the Deep: End-to-End Extraction on Deep Neural Networks
von: Liu, Haolin, et al.
Veröffentlicht: (2025)

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

Provable Privacy Attacks on Trained Shallow Neural Networks
von: Smorodinsky, Guy, et al.
Veröffentlicht: (2024)

FDINet: Protecting against DNN Model Extraction via Feature Distortion Index
von: Yao, Hongwei, et al.
Veröffentlicht: (2023)

PhishGuard: A Convolutional Neural Network Based Model for Detecting Phishing URLs with Explainability Analysis
von: Islam, Md Robiul, et al.
Veröffentlicht: (2024)

Model Stealing Attack against Graph Classification with Authenticity, Uncertainty and Diversity
von: Zhu, Zhihao, et al.
Veröffentlicht: (2023)

SafeLight: Enhancing Security in Optical Convolutional Neural Network Accelerators
von: Afifi, Salma, et al.
Veröffentlicht: (2024)