:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dorfmeister, Daniel, Ferrarotti, Flavio, Fischer, Bernhard, Schwandtner, Martin, Sochor, Hannes
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Cryptography and Security Machine Learning
Online-Zugang:	https://arxiv.org/abs/2603.10753
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An Approach for Safe and Secure Software Protection Supported by Symbolic Execution
von: Dorfmeister, Daniel, et al.
Veröffentlicht: (2026)

Software-Hardware Binding for Protection of Sensitive Data in Embedded Software
von: Fischer, Bernhard, et al.
Veröffentlicht: (2026)

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

Attack on a PUF-based Secure Binary Neural Network
von: Basak, Bijeet, et al.
Veröffentlicht: (2025)

Intellectual Property Protection for Deep Learning Model and Dataset Intelligence
von: Jiang, Yongqi, et al.
Veröffentlicht: (2024)

ProFLingo: A Fingerprinting-based Intellectual Property Protection Scheme for Large Language Models
von: Jin, Heng, et al.
Veröffentlicht: (2024)

Comparative Analysis of SRAM PUF Temperature Susceptibility on Embedded Systems
von: Zeinzinger, Martina, et al.
Veröffentlicht: (2026)

THEMIS: Towards Practical Intellectual Property Protection for Post-Deployment On-Device Deep Learning Models
von: Huang, Yujin, et al.
Veröffentlicht: (2025)

Obliviate: Efficient Unmemorization for Protecting Intellectual Property in Large Language Models
von: Russinovich, Mark, et al.
Veröffentlicht: (2025)

LPUF-AuthNet: A Lightweight PUF-Based IoT Authentication via Tandem Neural Networks and Split Learning
von: Mefgouda, Brahim, et al.
Veröffentlicht: (2024)

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

Can Graph Neural Networks Expose Training Data Properties? An Efficient Risk Assessment Approach
von: Yuan, Hanyang, et al.
Veröffentlicht: (2024)

Patch Synthesis for Property Repair of Deep Neural Networks
von: Chi, Zhiming, et al.
Veröffentlicht: (2024)

Data Plagiarism Index: Characterizing the Privacy Risk of Data-Copying in Tabular Generative Models
von: Ward, Joshua, et al.
Veröffentlicht: (2024)

MixNN: Protection of Federated Learning Against Inference Attacks by Mixing Neural Network Layers
von: Boutet, Antoine, et al.
Veröffentlicht: (2021)

On Mitigating the Utility-Loss in Differentially Private Learning: A new Perspective by a Geometrically Inspired Kernel Approach
von: Kumar, Mohit, et al.
Veröffentlicht: (2023)

Local Differential Privacy in Graph Neural Networks: a Reconstruction Approach
von: Bhaila, Karuna, et al.
Veröffentlicht: (2023)

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

On Stealing Graph Neural Network Models
von: Podhajski, Marcin, et al.
Veröffentlicht: (2025)

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

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

Development of an Adapter for Analyzing and Protecting Machine Learning Models from Competitive Activity in the Networks Services
von: Parfenov, Denis, et al.
Veröffentlicht: (2025)

Modeling Neural Networks with Privacy Using Neural Stochastic Differential Equations
von: Hong, Sanghyun, et al.
Veröffentlicht: (2025)

Protecting Deep Neural Network Intellectual Property with Chaos-Based White-Box Watermarking
von: B, Sangeeth, et al.
Veröffentlicht: (2025)

Explaining the Model, Protecting Your Data: Revealing and Mitigating the Data Privacy Risks of Post-Hoc Model Explanations via Membership Inference
von: Huang, Catherine, et al.
Veröffentlicht: (2024)

Tempo: Confidentiality Preservation in Cloud-Based Neural Network Training
von: Xu, Rongwu, et al.
Veröffentlicht: (2024)

TEESlice: Protecting Sensitive Neural Network Models in Trusted Execution Environments When Attackers have Pre-Trained Models
von: Li, Ding, et al.
Veröffentlicht: (2024)

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

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

BlockDoor: Blocking Backdoor Based Watermarks in Deep Neural Networks
von: Puah, Yi Hao, et al.
Veröffentlicht: (2024)

SunBlock: Cloudless Protection for IoT Systems
von: Safronov, Vadim, et al.
Veröffentlicht: (2024)

A Scalable Approach to Solving Simulation-Based Network Security Games
von: Lanier, Michael, et al.
Veröffentlicht: (2026)

Information Theoretic Analysis of PUF-Based Tamper Protection
von: Maringer, Georg, et al.
Veröffentlicht: (2025)

Injecting Undetectable Backdoors in Obfuscated Neural Networks and Language Models
von: Kalavasis, Alkis, et al.
Veröffentlicht: (2024)

PiDAn: A Coherence Optimization Approach for Backdoor Attack Detection and Mitigation in Deep Neural Networks
von: Wang, Yue, et al.
Veröffentlicht: (2022)

Adaptive Backtracking for Privacy Protection in Large Language Models
von: Yao, Zhihao, et al.
Veröffentlicht: (2025)

Strong Copyright Protection for Language Models via Adaptive Model Fusion
von: Abad, Javier, et al.
Veröffentlicht: (2024)

Advancing DDoS Attack Detection: A Synergistic Approach Using Deep Residual Neural Networks and Synthetic Oversampling
von: Alfatemi, Ali, et al.
Veröffentlicht: (2024)

Residual Random Neural Networks
von: Andrecut, M.
Veröffentlicht: (2024)

Certified Unlearning for Neural Networks
von: Koloskova, Anastasia, et al.
Veröffentlicht: (2025)