PPGNN

新框架实现去中心化图学习的个性化隐私保护

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。