用于隐私保护推荐的去中心化图神经网络
信息检索
2023-08-17 v1 人工智能
密码学与安全
机器学习
摘要
构建基于图神经网络（GNN）的推荐系统而不侵犯用户隐私是具有挑战性的。现有方法可分为联邦 GNN 和去中心化 GNN。但这两种方法都有不良效果，即通信效率低和隐私泄露。本文提出 DGREC，一种用于隐私保护推荐的新型去中心化 GNN，其中用户可以选择公开其交互。它包括三个阶段，即图构建、局部梯度计算和全局梯度传递。第一阶段为每个用户构建局部物品内超图以及全局用户间图。第二阶段对用户偏好建模并在每个局部设备上计算梯度。第三阶段设计了一种名为安全梯度共享的局部差分隐私机制，证明了其对用户私有数据的强隐私保护。我们在三个公开数据集上进行了大量实验以验证我们框架的一致优越性。
引用
@article{arxiv.2308.08072,
title = {Decentralized Graph Neural Network for Privacy-Preserving Recommendation},
author = {Xiaolin Zheng and Zhongyu Wang and Chaochao Chen and Jiashu Qian and Yao Yang},
journal= {arXiv preprint arXiv:2308.08072},
year = {2023}
}