Solitude：基于本地差分隐私的去中心化图隐私保护学习框架
Towards Private Learning on Decentralized Graphs with Local Differential Privacy
AI 导读
研究者提出基于图神经网络（GNN）的隐私保护学习框架 Solitude，以边本地差分隐私提供形式化隐私保证。该框架借助真实图普遍的稀疏性等特性校准引入去中心化图的噪声，可同时保护节点特征与边的隐私，并能结合任意 GNN。大量基准数据集实验显示，Solitude 在给定隐私预算下保护用户数据隐私的同时，保留了 GNN 的泛化能力。