该文介绍了一种基于图神经网络的学习框架，可以在用户层面提供节点隐私，并且在损失效用性方面表现较低。该框架使用分布式隐私保护的概念，在节点水平对特征和标签数据应用随机化机制，并通过随机化数据的统计分析中的频率估计开发了重构方法来逼近扰动数据的特征和标签。该框架还形成了利用图聚类的频率估计来在子图层面监督训练过程的学习框架。实验结果证明了该模型的有效性。