面向推荐系统的纵向联邦图神经网络
密码学与安全
2024-08-28 v3
摘要
传统推荐系统需要使用集中式数据库训练推荐模型。然而，由于数据隐私问题，当多方参与推荐系统训练时，这往往不切实际。联邦学习作为解决数据隔离与隐私问题的优秀方案而出现。近来，图神经网络（GNN）正成为联邦推荐系统中有前景的方法。然而，一个关键挑战是在保护图结构隐私的同时进行嵌入传播。关于基于联邦GNN的推荐系统的研究甚少。本研究提出首个纵向联邦GNN推荐系统，称为VerFedGNN。我们设计了一个框架来传输：（i）使用随机投影的邻居嵌入之和，以及（ii）由三元量化机制扰动的公共参数梯度。实证研究表明，VerFedGNN在与现有隐私保护GNN框架预测精度相当的同时，增强了对用户交互信息的隐私保护。
引用
@article{arxiv.2303.05786,
title = {Vertical Federated Graph Neural Network for Recommender System},
author = {Peihua Mai and Yan Pang},
journal= {arXiv preprint arXiv:2303.05786},
year = {2024}
}
备注
17 pages, 9 figures