图神经网络中的隐私综述：攻击、保护与与应用
机器学习
2023-09-20 v3 人工智能
密码学与安全
摘要
图神经网络（GNNs）因处理图结构数据的能力及在实际应用中的改进而获得显著关注。然而，许多模型优先追求高效用性能（如准确率），却缺乏隐私考量，而在隐私攻击猖獗的现代社会，这是一大隐患。为此，研究者已开始开发隐私保护 GNNs。尽管取得进展，仍缺乏对图领域攻击与隐私保护技术的全面概述。本综述旨在填补此空白：依据所针对的信息总结对图数据的攻击，对 GNNs 中的隐私保护技术分类，并回顾可用于分析/解决 GNNs 隐私问题的数据集与应用。我们还勾勒了未来研究的潜在方向，以构建更好的隐私保护 GNNs。
引用
@article{arxiv.2308.16375,
title = {A Survey on Privacy in Graph Neural Networks: Attacks, Preservation, and Applications},
author = {Yi Zhang and Yuying Zhao and Zhaoqing Li and Xueqi Cheng and Yu Wang and Olivera Kotevska and Philip S. Yu and Tyler Derr},
journal= {arXiv preprint arXiv:2308.16375},
year = {2023}
}