差分隐私图神经网络与重要性细粒化噪音适应
原文中文，约200字，阅读约需1分钟。发表于：。提出了一种基于自适应差分隐私的节点重要性粒度隐私保护图神经网络算法 NAP-GNN，通过拓扑学方法估计未知节点重要性，并通过自适应私有聚合方法对邻域聚合进行扰动，实现了在多层卷积中进行节点级任务的图学习算法的隐私保障。理论分析和实验证明 NAP-GNN 在隐私和准确性之间取得了更好的平衡。
本文提出了一种基于自适应差分隐私的节点重要性粒度隐私保护图神经网络算法NAP-GNN。该算法通过拓扑学方法估计未知节点重要性，并通过自适应私有聚合方法对邻域聚合进行扰动，实现了在多层卷积中进行节点级任务的图学习算法的隐私保障。
