研究人员开发了一种新的图联邦学习（GFL）方法，通过结合机器学习遗忘技术来增强隐私保护。该方法解决了即使在用户退出GFL系统后敏感用户数据仍然存在的问题，这对于遵守GDPR等法规至关重要。所提出的方法最大限度地减少了遗忘过程中的性能下降，并使用虚拟客户端来维护图拓扑和全局嵌入，而不会损害被移除实体的隐私。 AI
影响 增强了去中心化图数据训练中的隐私性，可能提高用户信任度和AI系统的合规性。
排序理由 这是一篇详细介绍图联邦学习中隐私保护新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
