PulseAugur
中
实时 02:57:43
English(EN) Leaking Circuit Secrets: Gradient Leakage Attacks on Graph Neural Networks

梯度泄露攻击威胁电路设计的GNN

作者 PulseAugur 编辑部 · [2 个来源] ·

一篇新的研究论文详细介绍了对用于电路设计和硬件安全的图神经网络（GNN）的梯度泄露攻击（GLA）的首次全面评估。研究表明，GLA可能暴露门类型和硬件木马属性等敏感信息，从而可能帮助对手。虽然GIN等一些GNN架构提供了更强的韧性，但GAT等其他架构可能会加剧泄露。现有的防御技术效果有限，并且可能降低模型性能，这表明需要更强大的隐私保护解决方案。 AI

影响 强调了用于关键基础设施的AI模型潜在的安全漏洞，有必要开发更强大的隐私保护技术。

排序理由 该集群包含一篇详细介绍新安全漏洞和对图神经网络现有防御措施评估的研究论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

梯度泄露攻击威胁电路设计的GNN

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Rupesh Raj Karn, Johann Knechtel, Ozgur Sinanoglu ·

    泄露电路秘密：图神经网络上的梯度泄露攻击

    arXiv:2606.25589v1 Announce Type: new Abstract: As graph neural networks (GNNs) become standard tools for critical tasks in circuit design and analysis, their security and privacy risks require careful attention. Here, we present the first comprehensive evaluation of gradient lea…

  2. arXiv cs.LG TIER_1 English(EN) · Ozgur Sinanoglu ·

    泄露电路秘密：图神经网络上的梯度泄露攻击

    As graph neural networks (GNNs) become standard tools for critical tasks in circuit design and analysis, their security and privacy risks require careful attention. Here, we present the first comprehensive evaluation of gradient leakage attacks (GLAs) on GNNs in circuit-design an…

相关实体

相关话题