Buchumschlag

Adversarial Attacks on Locally Private Graph Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Varun, Matta, Dhakar, Ajay Kumar, Hong, Yuan, Sural, Shamik
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Privacy as Permissible Operations: An ABAC Framework for Policy-Law Compliance
von: Dhakar, Ajay, et al.
Veröffentlicht: (2026)

Generation of Human Comprehensible Access Control Policies from Audit Logs
von: Kumar, Gautam, et al.
Veröffentlicht: (2026)

Towards Harnessing the Power of LLMs for ABAC Policy Mining
von: Babasaheb, More Aayush, et al.
Veröffentlicht: (2025)

LMN: A Tool for Generating Machine Enforceable Policies from Natural Language Access Control Rules using LLMs
von: Sonune, Pratik, et al.
Veröffentlicht: (2025)

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

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)

Ciphertext Policy Attribute Based Encryption with Intel SGX
von: Suryawanshi, Vivek, et al.
Veröffentlicht: (2024)

Devil's Hand: Data Poisoning Attacks to Locally Private Graph Learning Protocols
von: He, Longzhu, et al.
Veröffentlicht: (2025)

SolRPDS: A Dataset for Analyzing Rug Pulls in Solana Decentralized Finance
von: Alhaidari, Abdulrahman, et al.
Veröffentlicht: (2025)

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

Simple and Efficient Partial Graph Adversarial Attack: A New Perspective
von: Zhu, Guanghui, et al.
Veröffentlicht: (2023)

Constrained Adaptive Attack: Effective Adversarial Attack Against Deep Neural Networks for Tabular Data
von: Simonetto, Thibault, et al.
Veröffentlicht: (2024)

EXTree: Towards Supporting Explainability in Attribute-based Access Control
von: Chowdary, Shanampudi Pranaya, et al.
Veröffentlicht: (2026)

GENIE: Watermarking Graph Neural Networks for Link Prediction
von: Bachina, Venkata Sai Pranav, et al.
Veröffentlicht: (2024)

Certifiable Black-Box Attacks with Randomized Adversarial Examples: Breaking Defenses with Provable Confidence
von: Hong, Hanbin, et al.
Veröffentlicht: (2023)

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

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

Backdoor Attacks on Discrete Graph Diffusion Models
von: Wang, Jiawen, et al.
Veröffentlicht: (2025)

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

Link Stealing Attacks Against Inductive Graph Neural Networks
von: Wu, Yixin, et al.
Veröffentlicht: (2024)

DMGNN: Detecting and Mitigating Backdoor Attacks in Graph Neural Networks
von: Sui, Hao, et al.
Veröffentlicht: (2024)

Adaptive Backdoor Attacks with Reasonable Constraints on Graph Neural Networks
von: Dong, Xuewen, et al.
Veröffentlicht: (2025)

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

Data Poisoning Attacks to Locally Differentially Private Range Query Protocols
von: Liao, Ting-Wei, et al.
Veröffentlicht: (2025)

Are You Using Reliable Graph Prompts? Trojan Prompt Attacks on Graph Neural Networks
von: Lin, Minhua, et al.
Veröffentlicht: (2024)

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

Few Edges Are Enough: Few-Shot Network Attack Detection with Graph Neural Networks
von: Bilot, Tristan, et al.
Veröffentlicht: (2025)

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

Enhancing Adversarial Attacks via Parameter Adaptive Adversarial Attack
von: Jin, Zhibo, et al.
Veröffentlicht: (2024)

FABLE: A Localized, Targeted Adversarial Attack on Weather Forecasting Models
von: Deng, Yue, et al.
Veröffentlicht: (2025)

The Relationship Between Network Similarity and Transferability of Adversarial Attacks
von: Klause, Gerrit, et al.
Veröffentlicht: (2025)

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

AdvSGM: Differentially Private Graph Learning via Adversarial Skip-gram Model
von: Zhang, Sen, et al.
Veröffentlicht: (2025)

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

PAC-Private Responses with Adversarial Composition
von: Zhu, Xiaochen, 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)

AMUN: Adversarial Machine UNlearning
von: Ebrahimpour-Boroojeny, Ali, et al.
Veröffentlicht: (2025)

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

Unlearning Inversion Attacks for Graph Neural Networks
von: Zhang, Jiahao, et al.
Veröffentlicht: (2025)