公开(公告)号：CN118965414A

公开(公告)日：2024-11-15

申请号：CN202410776307.4

申请日：2024-06-17

Applicant: 北京理工大学

Inventor： 袁艳丽 ,  雷典 ,  王冰冰 ,  王小雨 ,  祝烈煌

IPC: G06F21/62 ,  G06F18/2415 ,  G06N3/042 ,  G06Q50/00

Abstract: 本发明涉及一种面向图神经网络的个性化隐私保护方法，属于人工智能与信息安全隐私保护技术领域。本方法通过构造基于拓扑感知的节点重要性识别技术实现重要节点的识别，基于差分隐私技术实现用户节点特征扰动，基于随机响应技术实现用户节点标签扰动，基于个性化隐私预算分配机制分配满足用户隐私需求的个性化隐私预算，基于加权邻域聚合机制实现高精度模型训练的面向图神经网络的个性化隐私保护。本方法在节点特征机密性、节点标签机密性、模型训练精度以及系统可靠性方面具有显著优势，能够有效满足图节点的个性化隐私保护需求。

公开(公告)号：CN118041526A

公开(公告)日：2024-05-14

申请号：CN202410227407.1

申请日：2024-02-29

Applicant: 北京理工大学 ,  中科信息安全共性技术国家工程研究中心有限公司

Inventor： 袁艳丽 ,  雷典 ,  王小雨 ,  祝烈煌 ,  王亚杰 ,  伊鹏达

IPC: H04L9/08 ,  H04L9/06 ,  H04L67/12 ,  G06F16/901 ,  G06F21/60 ,  G06F21/62 ,  G06N3/042 ,  G06N5/04

Abstract: 一种可扩展的隐私保护图神经网络预测方法利用2‑out‑of‑2加性秘密共享技术、定制化数组结构的图数据存储方法、GNN预测技术和多云服务器计算框架，实现了隐私保护和可扩展的GNN模型推理预测。具体地，通过构造定制化数组结构实现相关图数据的存储，基于2‑out‑of‑2加性秘密共享技术实现图神经网络模型和相关图数据加密，基于多云服务器计算框架实现远程模型推理的可扩展的隐私保护图神经网络预测方法。有益效果在于：在数据机密性、模型机密性、可扩展性、计算和通信开销以及系统可靠性方面具有显著优势。