针对异构图联邦场景的元优化与安全性研究.pdf

针对异构图联邦场景的元优化与安全性研究.pdf

摘要

摘要

图神经网络(GNNs)以其独特的图结构数据处理能力,在数据挖掘、推

荐系统等图分类任务中得到了广泛应用。由于隐私法规与竞争关系对图数据在

多方共享的制约,催生了联邦图学习(FGL),通过分布式训练打破图数据孤岛。

然而,当前FGL仍面临双重挑战:客户端子图信息缺失与异构性影响模型训练

效率,非完全可信环境中恶意客户端篡改本地数据、半诚实服务器推理攻击威

胁隐私安全。针对上述问题,本文提出两种创新性方法,在数据异构场景下提

升联邦图学习

文档评论(0)

1亿VIP精品文档

相关文档