Mar, 2023
不可学习的图形:保护图形不受未授权利用
Unlearnable Graph: Protecting Graphs from Unauthorized Exploitation
Yixin Liu, Chenrui Fan, Pan Zhou, Lichao Sun
TL;DR本文提出一种新方法通过使用 Error-Minimizing Structural Poisoning (EMinS) 模块向图中注入干扰噪声,从而使图形变得不可探测,以解决商业图形神经网络 (GNN) 模型训练中的潜在数据隐私问题,并在 COLLAB 数据集上将准确性从 77.33% 降低到 42.47%。