English(EN) Lethe: Link Inference Attacks For Evaluation of Edge Unlearning Methods

新基准 Lethe 评估图神经网络中的边缘遗忘

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-16 04:00

研究人员推出了 Lethe，这是一个旨在评估图神经网络边缘遗忘方法的新基准。目前对边缘遗忘的评估有限，通常使用节点特征掩盖图结构的数据集，并采用对删除边不敏感的准确性指标。Lethe 通过关注大型图、提供不同难度的任务以及利用链接推理攻击作为更有效的评估措施来解决这些问题。该基准包括 15 种方法和 8 个数据集，旨在为评估边缘遗忘技术提供一个更强大、可重现的框架。 AI

影响为边缘遗忘提供了一个标准化的评估框架，有可能提高图神经网络中数据删除技术的鲁棒性和效率。

排序理由该项目是一篇研究论文，介绍了一个用于评估特定机器学习方法的新基准。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

本文如何被排名

Signal score: 14 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该项目是一篇研究论文，介绍了一个用于评估特定机器学习方法的新基准。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Andrea D'Angelo, Francesco Gullo, Davide Mottin, Sayan Ranu, Giovanni Stilo · 2026-10-16 04:00

Lethe：用于评估边缘遗忘方法的链接推断攻击

arXiv:2610.21869v1 Announce Type: new Abstract: Graph Unlearning (GU) aims to remove the influence of specific training data from a Graph Neural Network without retraining anew. While most methods address removal of nodes and features, Edge Unlearning (EU), aiming at forgetting e…

本文如何被排名

报道来源 [1]

Lethe：用于评估边缘遗忘方法的链接推断攻击

相关实体

相关话题