English(EN) Inferring Sensitive Attributes from Knowledge Graph Embeddings: Attack and Defense Strategies

新框架应对知识图谱嵌入中的隐私风险

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-19 10:28

研究人员开发了一个框架，用于识别和缓解知识图谱嵌入（KGEs）中的隐私风险。该研究展示了攻击者如何从KGEs输出中推断敏感用户属性，即使这些信息未被明确存储。提出的防御机制包括对KGEs结果进行后处理以进行净化，从而在推荐质量和增强的隐私保护之间取得平衡。 AI

影响这项研究突显了知识图谱嵌入中潜在的隐私漏洞，促使开发新的防御策略来保护敏感用户数据。

排序理由这是一篇研究论文，详细介绍了攻击和防御知识图谱嵌入隐私的新方法。[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 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Yasmine Hayder · 2026-05-19 10:28

从知识图谱嵌入中推断敏感属性：攻击与防御策略

Knowledge Graphs (KGs) are a powerful representation of linked data, offering flexibility, semantic richness, and support for knowledge enrichment and reasoning. They help data owners organize and exploit heterogeneous data to provide insightful services (e.g., recommendations), …