Графовые нейронные сети: обзор взаимосвязей между конфиденциальностью и безопасностью

Graph neural networks: a survey on the links between privacy and security
Kim‐Kwang Raymond Choo, Faqian Guan, Tianqing Zhu, Wanlei Zhou
2024-02-08

конфиденциальность GNNбезопасность GNNатакующие воздействия на графыграфовые нейронные сетикража модели
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.
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.

развёртывания графовых нейронных сетей, обрабатывающих реляционные графовые данные

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
Access Type
Author Information
Authors
Kim‐Kwang Raymond Choo
Faqian Guan
Tianqing Zhu
Wanlei Zhou
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%