保险库中的图：利用受信执行环境保护边缘GNN推理

本研究解决了在边缘设备上广泛部署机器学习模型时所面临的模型知识产权和数据隐私脆弱性。我们提出了GNNVault，这是基于受信执行环境的首个安全图神经网络（GNN）部署策略，通过“训练前分区”设计和私有GNN整流器，确保了推理过程中关键GNN模型参数和私有图的数据安全。实际应用表明，GNNVault能够有效抵御最先进的链接窃取攻击，而且准确率损失极小（2%）。