Neues Memorization‑Ansatz verbessert Graph‑Unlearning drastisch
Graph‑Unlearning (GU) ist ein zentrales Verfahren, um Knoten, Kanten oder Merkmale aus trainierten Graph‑Neural‑Netzwerken zu entfernen. In Web‑Anwendungen, wo Graph‑Daten oft sensible, fehlerhafte oder bösartige Informationen enthalten, ist GU unverzichtbar. Bisher mangelt es jedoch an einer klaren Theorie, die die Wirksamkeit von GU erklärt, was zu drei wesentlichen Problemen führt: ungenaue Schwierigkeits‑Bewertung, Ineffektivität bei schwierigen Aufgaben und Bewertungskriterien, die zu leicht lösbare Szenarien bevorzugen.
