PulseAugur
实时 03:13:19
English(EN) TGHE: Template-based Graph Homomorphic Encryption for Privacy-Preserving GNN Inference in Edge-Cloud Systems

新的TGHE框架可在大型图上实现隐私保护的图神经网络推理

研究人员开发了TGHE,一个用于边缘云系统中隐私保护图神经网络(GNN)推理的新型框架。与难以处理大型数据集的先前以图为中心的方法不同,TGHE通过利用交易图中的模板现象,采用以自我为中心的方法。这使得它能够将结构相似的局部计算树规范化并打包到共享密文中进行并行处理,从而显著提高效率并能够分析更大的图。 AI

影响 该框架可能在金融等领域实现大规模动态图的隐私保护分析。

排序理由 该集群包含一篇学术论文,详细介绍了图神经网络的新技术框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的TGHE框架可在大型图上实现隐私保护的图神经网络推理

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Ngoc Bao Anh Le, Thai T. Vu, John Le, Heath Cooper, Jun Shen ·

    TGHE:一种用于边缘云系统中隐私保护GNN推理的基于模板的图同态加密

    arXiv:2606.26664v1 Announce Type: cross Abstract: Existing homomorphic encryption (HE)-based GNN systems adopt a graph-centric paradigm that couples per-query cost to global graph size, limiting evaluations to at most ~20k nodes and making them incompatible with dynamic, large-sc…