Forschung
<h1>Graph-Strukturen beeinflussen Privatsphäre-Risiken bei Graph Neural Networks</h1> <p>Graph Neural Networks (GNNs) sind heute das bevorzugte Werkzeug, um komplexe Beziehungsdaten in kontinuierliche Repräsentationen zu überführen und damit die Genauigkeit bei Aufgaben wie Knotenkategorisierung und Linkvorhersage zu steigern. Gleichzeitig wächst die Besorgnis, dass bei sensiblen Anwendungen Trainingsdaten ungewollt preisgegeben werden könnten.</p> <p>Die bisherige Forschung zum Datenschutz bei GNNs orienti
arXiv – cs.LG