基于对抗性扰动图神经网络的隐私攻击防御策略
来源：计算机应用与软件杂志2025年第6期北京时间：
作者：窦亚珍, 康万杰
摘要：为了保护隐私，同时维护干扰数据效用，提出一种基于对抗性扰动图神经网络的隐私攻击防御策略。候选选择确保扰动图不可见，图神经网络影响分析和组合优化确保隐私保护和受扰动图的数据实用性。进一步证明了扰动图结构比扰动节点特征对图神经网络的影响更大，并且证明扰动可以在模型不可察觉性和隐私保护之间取得平衡。实验结果表明，该方法可以同时保持图数据的不可见性，保持目标标签分类的预测置信度并降低隐私标签分类的预测置信度。
关键词：隐私保护, 对抗性, 图神经网络, 隐私标签分类
