研究人员开发了PPGNN，这是一个专为去中心化图学习中的个性化差分隐私而设计的新框架。该方法解决了现有方法应用统一隐私设置的局限性，这些设置可能扭曲数据并降低效用。PPGNN允许在局部扰动期间设置用户特定的隐私预算，旨在更好地平衡隐私保护与数据效用。在六个真实世界数据集上进行的实验表明，PPGNN在去中心化图学习场景中能有效管理个性化隐私和数据效用。 AI
影响 这项研究可能为处理去中心化图数据的AI应用程序带来更强大、以用户为中心的隐私解决方案。
排序理由 该集群包含一篇详细介绍隐私保护机器学习新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
