本研究探讨了图神经网络（GNN）在生物信息学任务中的训练数据泄露问题。通过图扩散模型和优化的噪声生成方法，研究展示了有效窃取训练图的可能性，实验结果表明该框架具有显著的有效性，揭示了潜在的安全隐患。

该文综述大语言模型隐私风险，包括推断个人属性、泄露训练数据，指出现有匿名化与对齐防护不足。研究提出混淆函数、隐私保护语言模型及PrivQA基准，在保持效用同时增强隐私，并揭示越狱攻击仍可绕过防护。