KI News: Kurz und klar.

Die zunehmende Nutzung großer Sprachmodelle in sensiblen Bereichen hat ein entscheidendes Problem aufgedeckt: Es fehlt an zuverlässigen Verfahren, um private Daten dauerhaft zu löschen. Ein kompletter Neustart des Modells ist dabei zu teuer, und bisherige Unlearning‑Methoden sind fragmentiert, schwer zu prüfen und oft anfällig für Wiederherstellung.

Selbstüberwachtes Lernen (SSL) hat sich als äußerst wirkungsvolles Verfahren etabliert, um Graphdaten ohne manuelle Labels zu verarbeiten. Doch die meisten führenden SSL‑Methoden, wie GRACE, nutzen nicht‑polynomielle Operationen, die mit Homomorpher Verschlüsselung (HE) nicht kompatibel sind. Das neue Verfahren Poly‑GRACE löst dieses Problem, indem es einen vollständig polynomfreundlichen Graph Convolutional Network (GCN) Encoder sowie eine neu entwickelte, polynomielle Kontrastverlustfunktion kombiniert.