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。