taso

MUGEN框架为多种机器学习任务生成不可学图示例

研究人员开发了MUGEN，一个旨在创建“不可学”图示例的新颖框架，可同时保护跨多个机器学习任务的数据。与之前专注于单一任务的方法不同，MUGEN生成一个单一的扰动数据集，以防止对节点分类、图分类和链接预测等各种应用的未经授权的表示学习。该框架利用任务对齐可分性目标（TASO）和类型自适应扰动（TAP）来确保在扰动数据上训练的模型无法泛化到干净数据，并在不同的GNN骨干网络和学习范式中证明了有效性。