GraphToxin: Wiederherstellung gelöschter Graphen – Gefahr für das Recht auf Vergessen

Graphunlearning wird als Lösung für das „Recht auf Vergessen“ beworben, doch neue Angriffsflächen entstehen, wenn mehrere Akteure beteiligt sind. Restspuren gelöschter Daten können in Graph-Neural-Networks verbleiben und von Angreifern ausgenutzt werden, um angeblich entfernte Informationen wiederherzustellen.

Mit GraphToxin, dem ersten Angriff auf graphbasiertes Unlearning, wird gezeigt, dass komplette Graphen rekonstruiert werden können. Ein neu entwickeltes „Curvature Matching“-Modul liefert feinkörnige Hinweise, um gelöschte Knoten und ihre Verbindungen exakt zurückzugewinnen. Der Angriff geht über einzelne Personen hinaus und kann sensible Inhalte aus deren Netzwerken extrahieren. Darüber hinaus wird GraphToxin auf mehrere Knotenlöschungen in White‑Box- und Black‑Box-Szenarien ausgeweitet. Die Autoren betonen die Notwendigkeit einer Worst‑Case‑Analyse und stellen ein umfassendes Evaluierungsframework vor, das sowohl zufällige als auch gezielte Knotenlöschungen berücksichtigt. Umfangreiche Experimente belegen die Wirksamkeit des Angriffs und verdeutlichen die ernsthafte Bedrohung für die Sicherheit von graphbasierten Unlearning‑Methoden.