Графовые нейронные сети: обзор взаимосвязей между конфиденциальностью и безопасностью
Graph neural networks: a survey on the links between privacy and security
2024-02-08
SCID: 54.1/ak9yz69f
Discuss with AI
конфиденциальность GNNбезопасность GNNатакующие воздействия на графыграфовые нейронные сетикража модели
Figures from the paper
Abstract (AI)
Графовые нейронные сети (GNN) представляют собой модели, которые выявляют зависимости в графовых данных посредством передачи сообщений между узлами графа и широко применяются для обработки графовых данных, содержащих информацию о взаимосвязях. К основным областям применения относятся социальные сети, рекомендательные системы и науки о жизни. Однако, как и все нейронные сети, практическое развертывание GNN связано с фундаментальными проблемами безопасности и конфиденциальности. Например, злоумышленники могут изменять данные графа, снижая эффективность модели, либо похищать данные и/или параметры модели, тем самым создавая угрозу ее конфиденциальности. В данном обзоре представлен всесторонний анализ современных исследований в области безопасности и/или конфиденциальности GNN. Кроме того, систематически описаны различия и взаимосвязи между безопасностью и конфиденциальностью, а также предложены перспективные направления дальнейших исследований в этой области.
Key Findings
1
При развертывании GNN возникают угрозы конфиденциальности, связанные с кражей данных модели и/или её параметров.
2
При развертывании GNN возникают угрозы безопасности, при которых злоумышленники изменяют данные графа, снижая эффективность модели.
3
Графовые нейронные сети обрабатывают реляционные графовые данные посредством передачи сообщений и широко применяются в социальных сетях, рекомендательных системах и науках о жизни.
4
В обзоре систематически рассматриваются исследования безопасности и конфиденциальности GNN, разъясняются различия и взаимосвязи между этими понятиями и обозначаются перспективные направления дальнейших исследований.
Research Object
развёртывания графовых нейронных сетей, обрабатывающих реляционные графовые данные
Research Subject
уязвимости безопасности и конфиденциальности, а также различия и взаимосвязи между ними в графовых нейронных сетях
Publication Details
Publication Date
2024-02-08
Journal
Publisher
ISSN
Cited by
42
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai12
Возникновение масштабирования в случайных сетях1999
Полуобучаемая классификация с использованием графовых сверточных сетей2016
Дистилляция знаний в нейронной сети2015
Машинное обучение: тенденции, перспективы и прогнозы2015
Модель графовой нейронной сети2008
Графовые нейронные сети: обзор методов и приложений2020
Глубокое обучение с дифференциальной приватностью2016
Графовые сверточные нейронные сети для рекомендательных систем веб‑масштаба2018
Графовая нейронная сеть с механизмом внимания для неоднородных графов2019
Графовые нейронные сети в рекомендательных системах: обзор2022
MAGNN: Метапатч-агрегирующая графовая нейронная сеть для встраивания гетерогенных графов2020
Графовые нейронные сети для обработки естественного языка: обзор2023