一种面向图卷积网络的纵向联邦学习框架
机器学习
2021-06-23 v1 人工智能
摘要
近年来，图神经网络（GNN）在图数据上的各类实际问题中取得了显著成功。然而在大多数行业中，数据以孤岛形式存在，且数据隐私与安全也是重要问题。本文提出 FedVGCN，一种用于纵向切分数据设置下隐私保护节点分类任务的联邦 GCN 学习范式，可推广至现有 GCN 模型。具体而言，我们将计算图数据分为两部分。在训练过程的每次迭代中，双方在同态加密下互相传递中间结果。我们在基准数据上进行了实验，结果证明了 FedVGCN 在 GraphSage 场景下的有效性。
引用
@article{arxiv.2106.11593,
title = {A Vertical Federated Learning Framework for Graph Convolutional Network},
author = {Xiang Ni and Xiaolong Xu and Lingjuan Lyu and Changhua Meng and Weiqiang Wang},
journal= {arXiv preprint arXiv:2106.11593},
year = {2021}
}