A Survey on Privacy in Graph Neural Networks: Attacks, Preservation, and Applications

要約

グラフ ニューラル ネットワーク (GNN) は、グラフ構造のデータを処理できる機能と実用的なアプリケーションの改善により、大きな注目を集めています。
しかし、これらのモデルの多くは精度などの高い実用性能を優先しており、プライバシーへの配慮が欠如しており、プライバシー攻撃が横行する現代社会において大きな懸念となっています。
この問題に対処するために、研究者はプライバシーを保護する GNN の開発を開始しました。
このような進歩にもかかわらず、攻撃の包括的な概要と、グラフ ドメインのプライバシーを保護するための技術が不足しています。
この調査では、ターゲット情報に応じてグラフ データに対する攻撃を要約し、GNN におけるプライバシー保護技術を分類し、GNN におけるプライバシー問題の分析/解決に使用できるデータセットとアプリケーションをレビューすることで、このギャップに対処することを目的としています。
また、より優れたプライバシー保護 GNN を構築するための将来の研究の潜在的な方向性についても概説します。

要約(オリジナル)

Graph Neural Networks (GNNs) have gained significant attention owing to their ability to handle graph-structured data and the improvement in practical applications. However, many of these models prioritize high utility performance, such as accuracy, with a lack of privacy consideration, which is a major concern in modern society where privacy attacks are rampant. To address this issue, researchers have started to develop privacy-preserving GNNs. Despite this progress, there is a lack of a comprehensive overview of the attacks and the techniques for preserving privacy in the graph domain. In this survey, we aim to address this gap by summarizing the attacks on graph data according to the targeted information, categorizing the privacy preservation techniques in GNNs, and reviewing the datasets and applications that could be used for analyzing/solving privacy issues in GNNs. We also outline potential directions for future research in order to build better privacy-preserving GNNs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google