实体
Aaryan Sharma
Aaryan Sharma
PulseAugur coverage of Aaryan Sharma — every cluster mentioning Aaryan Sharma across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
GENIE水印方案保护用于链接预测的GNN
研究人员开发了GENIE，这是一种新颖的水印方案，旨在保护用于链接预测的图神经网络（GNN）模型。与以往专注于节点或图分类的方法不同，GENIE解决了在链接预测任务中保护GNN的特定挑战。该系统采用独特的触发集和秘密水印向量，并结合动态水印阈值（DWT）以确保高验证准确性以及对各种移除技术和攻击的鲁棒性。
-
研究发现：模型合并可能增加对抗性攻击的脆弱性
一篇题为“立即合并，后悔莫及：模型合并的隐藏成本是对抗性可迁移性”的新研究论文，挑战了模型合并（MM）本身就能提供对抗性鲁棒性的观点。该研究对八种MM方法、七个数据集和六种攻击方法进行了广泛评估，发现MM无法可靠地防御可迁移攻击，观察到的可迁移率超过80%。关键见解表明，更强的MM方法和减轻表示偏差会增加对可迁移攻击的脆弱性，尽管权重平均似乎是一个例外。这些发现为设计利用模型合并的安全机器学习系统提供了实用指导。