基于图神经网络无学习的数字资产开发综述
机器学习
2024-09-30 v1 人工智能
摘要
在数字资产快速演变的背景下，数据隐私和遵循监管框架的需求日益增长。本文探讨了图神经网络（GNN）在数字资产管理中的关键作用，并引入专为 GNN 架构设计的创新无学习技术。我们将无学习策略分为两大类：数据驱动的近似方法通过操控图结构来隔离并移除特定节点的影响；模型驱动的近似方法则修改 GNN 的内部参数和架构。通过审视这些无学习方法的最新进展，我们强调其在各种用例中的适用性，包括欺诈检测、风险评估、代币关系预测和去中心化治理。我们讨论了在实际金融应用中平衡模型性能与数据无学习要求之间所面临的挑战。此外，我们提出了一种混合方法，结合两种无学习策略的优势，以提高 GNN 在数字资产生态系统中的效率和效果。最终，本文旨在为理解和实施 GNN 无学习技术提供全面框架，为数字资产领域的机器学习安全合规部署铺平道路。
引用
@article{arxiv.2409.18455,
title = {Review of Digital Asset Development with Graph Neural Network Unlearning},
author = {Zara Lisbon},
journal= {arXiv preprint arXiv:2409.18455},
year = {2024}
}