Buchumschlag

Unveiling Privacy Vulnerabilities: Investigating the Role of Structure in Graph Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yuan, Hanyang, Xu, Jiarong, Wang, Cong, Yang, Ziqi, Wang, Chunping, Yin, Keting, Yang, Yang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Social and Information Networks
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Can Modifying Data Address Graph Domain Adaptation?
von: Huang, Renhong, et al.
Veröffentlicht: (2024)

P4GCN: Vertical Federated Social Recommendation with Privacy-Preserving Two-Party Graph Convolution Network
von: Wang, Zheng, et al.
Veröffentlicht: (2024)

Can Graph Neural Networks Expose Training Data Properties? An Efficient Risk Assessment Approach
von: Yuan, Hanyang, et al.
Veröffentlicht: (2024)

Fairness and/or Privacy on Social Graphs
von: Surma, Bartlomiej, et al.
Veröffentlicht: (2025)

Hierarchical-Graph-Structured Edge Partition Models for Learning Evolving Community Structure
von: Yu, Xincan, et al.
Veröffentlicht: (2024)

Enhancing Cross-domain Link Prediction via Evolution Process Modeling
von: Huang, Xuanwen, et al.
Veröffentlicht: (2024)

PhoGAD: Graph-based Anomaly Behavior Detection with Persistent Homology Optimization
von: Yuan, Ziqi, et al.
Veröffentlicht: (2024)

Graph Contrastive Learning with Low-Rank Regularization and Low-Rank Attention for Noisy Node Classification
von: Wang, Yancheng, et al.
Veröffentlicht: (2024)

Heterophily-Aware Graph Attention Network
von: Wang, Junfu, et al.
Veröffentlicht: (2023)

Structure-Preference Enabled Graph Embedding Generation under Differential Privacy
von: Zhang, Sen, et al.
Veröffentlicht: (2025)

Effective Edge-wise Representation Learning in Edge-Attributed Bipartite Graphs
von: Wang, Hewen, et al.
Veröffentlicht: (2024)

Toward Structure Fairness in Dynamic Graph Embedding: A Trend-aware Dual Debiasing Approach
von: Li, Yicong, et al.
Veröffentlicht: (2024)

Efficient and Privacy-Preserved Link Prediction via Condensed Graphs
von: Long, Yunbo, et al.
Veröffentlicht: (2025)

GegenNet: Spectral Convolutional Neural Networks for Link Sign Prediction in Signed Bipartite Graphs
von: Wang, Hewen, et al.
Veröffentlicht: (2025)

Forward Learning of Graph Neural Networks
von: Park, Namyong, et al.
Veröffentlicht: (2024)

RABot: Reinforcement-Guided Graph Augmentation for Imbalanced and Noisy Social Bot Detection
von: Zhang, Longlong, et al.
Veröffentlicht: (2026)

To Share or Not to Share: Investigating Weight Sharing in Variational Graph Autoencoders
von: Salha-Galvan, Guillaume, et al.
Veröffentlicht: (2025)

Data-centric Graph Learning: A Survey
von: Guo, Yuxin, et al.
Veröffentlicht: (2023)

Incorporating Heterophily into Graph Neural Networks for Graph Classification
von: Yang, Jiayi, et al.
Veröffentlicht: (2022)

Privacy-Preserving Graph Embedding based on Local Differential Privacy
von: Li, Zening, et al.
Veröffentlicht: (2023)

GraphSB: Boosting Imbalanced Node Classification on Graphs through Structural Balance
von: Zhu, Chaofan, et al.
Veröffentlicht: (2025)

Exploring Graph Learning Tasks with Pure LLMs: A Comprehensive Benchmark and Investigation
von: Wang, Yuxiang, et al.
Veröffentlicht: (2025)

Spiking Graph Predictive Coding for Reliable OOD Generalization
von: Ren, Jing, et al.
Veröffentlicht: (2026)

Rethinking Semi-Supervised Node Classification with Self-Supervised Graph Clustering
von: Wang, Songbo, et al.
Veröffentlicht: (2025)

Effective Clustering on Large Attributed Bipartite Graphs
von: Yang, Renchi, et al.
Veröffentlicht: (2024)

Incorporating Higher-order Structural Information for Graph Clustering
von: Li, Qiankun, et al.
Veröffentlicht: (2024)

Discovering Invariant Neighborhood Patterns for Heterophilic Graphs
von: Yang, Jinluan, et al.
Veröffentlicht: (2024)

Predicting the structure of dynamic graphs
von: Kandanaarachchi, Sevvandi, et al.
Veröffentlicht: (2024)

A Survey of Graph Neural Networks in Real world: Imbalance, Noise, Privacy and OOD Challenges
von: Ju, Wei, et al.
Veröffentlicht: (2024)

Graph Structure Prompt Learning: A Novel Methodology to Improve Performance of Graph Neural Networks
von: Huang, Zhenhua, et al.
Veröffentlicht: (2024)

Spectral Subspace Clustering for Attributed Graphs
von: Lin, Xiaoyang, et al.
Veröffentlicht: (2024)

Local Graph Clustering with Noisy Labels
von: de Luca, Artur Back, et al.
Veröffentlicht: (2023)

SAHG: Sector-Anisotropic Hyperbolic Graph Model for Social Bot Detection
von: Lu, Hanning, et al.
Veröffentlicht: (2026)

Reconciling Attribute and Structural Anomalies for Improved Graph Anomaly Detection
von: Xiao, Chunjing, et al.
Veröffentlicht: (2025)

Faster Local Solvers for Graph Diffusion Equations
von: Bai, Jiahe, et al.
Veröffentlicht: (2024)

Spectral-Aware Augmentation for Enhanced Graph Representation Learning
von: Yang, Kaiqi, et al.
Veröffentlicht: (2023)

Improving Expressive Power of Spectral Graph Neural Networks with Eigenvalue Correction
von: Lu, Kangkang, et al.
Veröffentlicht: (2024)

A Comprehensive Review of Community Detection in Graphs
von: Li, Jiakang, et al.
Veröffentlicht: (2023)

Mitigating Bias in Graph Hyperdimensional Computing
von: Liu, Yezi, et al.
Veröffentlicht: (2025)

Graph Out-of-Distribution Generalization via Causal Intervention
von: Wu, Qitian, et al.
Veröffentlicht: (2024)