LLM-enhanced GNNs

研究发现：增强型GNN存在隐私风险

一篇新发表在arXiv上的研究论文探讨了使用大型语言模型（LLMs）增强图神经网络（GNNs）所带来的隐私影响。该研究引入了一个系统评估隐私风险的框架，发现增强型GNN在提高性能的同时，更容易受到推断链接、标签和成员身份等敏感信息的攻击。研究还评估了差分隐私作为一种防御机制，指出其在缓解风险方面的有效性，但也对其模型效用产生显著影响，凸显了图学习中隐私与性能之间的权衡。