Buchumschlag

Graph Unlearning: Efficient Node Removal in Graph Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guan, Faqian, Zhu, Tianqing, Wang, Zhoutian, Ren, Wei, Zhou, Wanlei
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Large Language Models for Link Stealing Attacks Against Graph Neural Networks
von: Guan, Faqian, et al.
Veröffentlicht: (2024)

Large Language Models Merging for Enhancing the Link Stealing Attack on Graph Neural Networks
von: Guan, Faqian, et al.
Veröffentlicht: (2024)

Machine Unlearning via Null Space Calibration
von: Chen, Huiqiang, et al.
Veröffentlicht: (2024)

Zero-Shot Machine Unlearning with Proxy Adversarial Data Generation
von: Chen, Huiqiang, et al.
Veröffentlicht: (2025)

Zero-shot Class Unlearning via Layer-wise Relevance Analysis and Neuronal Path Perturbation
von: Chang, Wenhan, et al.
Veröffentlicht: (2024)

AFed: Algorithmic Fair Federated Learning
von: Chen, Huiqiang, et al.
Veröffentlicht: (2025)

Towards Efficient Target-Level Machine Unlearning Based on Essential Graph
von: Xu, Heng, et al.
Veröffentlicht: (2024)

Efficient and Scalable Granular-ball Graph Coarsening Method for Large-scale Graph Node Classification
von: Wang, Guan, et al.
Veröffentlicht: (2026)

Explaining Graph Neural Networks for Node Similarity on Graphs
von: Daza, Daniel, et al.
Veröffentlicht: (2024)

Federated Learning with Blockchain-Enhanced Machine Unlearning: A Trustworthy Approach
von: Zuo, Xuhan, et al.
Veröffentlicht: (2024)

Unlearning Inversion Attacks for Graph Neural Networks
von: Zhang, Jiahao, et al.
Veröffentlicht: (2025)

TinyGraph: Joint Feature and Node Condensation for Graph Neural Networks
von: Liu, Yezi, et al.
Veröffentlicht: (2024)

On the Utilization of Unique Node Identifiers in Graph Neural Networks
von: Bechler-Speicher, Maya, et al.
Veröffentlicht: (2024)

Parallelizing Node-Level Explainability in Graph Neural Networks
von: Llorente, Oscar, et al.
Veröffentlicht: (2026)

Graph Similarity Computation via Interpretable Neural Node Alignment
von: Wang, Jingjing, et al.
Veröffentlicht: (2024)

Review of Digital Asset Development with Graph Neural Network Unlearning
von: Lisbon, Zara
Veröffentlicht: (2024)

One Node Per User: Node-Level Federated Learning for Graph Neural Networks
von: Gao, Zhidong, et al.
Veröffentlicht: (2024)

ENADPool: The Edge-Node Attention-based Differentiable Pooling for Graph Neural Networks
von: Zhao, Zhehan, et al.
Veröffentlicht: (2024)

Fast and Distributed Equivariant Graph Neural Networks by Virtual Node Learning
von: Zhang, Yuelin, et al.
Veröffentlicht: (2025)

Identifying Backdoored Graphs in Graph Neural Network Training: An Explanation-Based Approach with Novel Metrics
von: Downer, Jane, et al.
Veröffentlicht: (2024)

AGMixup: Adaptive Graph Mixup for Semi-supervised Node Classification
von: Lu, Weigang, et al.
Veröffentlicht: (2024)

Spatio-Temporal Graph Unlearning
von: Guo, Qiming, et al.
Veröffentlicht: (2025)

FairGU: Fairness-aware Graph Unlearning in Social Networks
von: Luo, Renqiang, et al.
Veröffentlicht: (2026)

Deep Graph Neural Networks via Posteriori-Sampling-based Node-Adaptive Residual Module
von: Zhou, Jingbo, et al.
Veröffentlicht: (2023)

Efficient Knowledge Graph Unlearning with Zeroth-order Information
von: Xiao, Yang, et al.
Veröffentlicht: (2025)

RoCP-GNN: Robust Conformal Prediction for Graph Neural Networks in Node-Classification
von: Akansha, S.
Veröffentlicht: (2024)

Guarding Graph Neural Networks for Unsupervised Graph Anomaly Detection
von: Bei, Yuanchen, et al.
Veröffentlicht: (2024)

SIG: Efficient Self-Interpretable Graph Neural Network for Continuous-time Dynamic Graphs
von: Fang, Lanting, et al.
Veröffentlicht: (2024)

Simple and Efficient Heterogeneous Temporal Graph Neural Network
von: Wang, Yili, et al.
Veröffentlicht: (2025)

GraphToxin: Reconstructing Full Unlearned Graphs from Graph Unlearning
von: Song, Ying, et al.
Veröffentlicht: (2025)

Commute Graph Neural Networks
von: Zhuo, Wei, et al.
Veröffentlicht: (2024)

When Fairness Meets Privacy: Exploring Privacy Threats in Fair Binary Classifiers via Membership Inference Attacks
von: Tian, Huan, et al.
Veröffentlicht: (2023)

How Does a Deep Learning Model Architecture Impact Its Privacy? A Comprehensive Study of Privacy Attacks on CNNs and Transformers
von: Zhang, Guangsheng, et al.
Veröffentlicht: (2022)

Certified Signed Graph Unlearning
von: Zhao, Junpeng, et al.
Veröffentlicht: (2025)

Causal Graph Neural Networks for Healthcare
von: Mesinovic, Munib, et al.
Veröffentlicht: (2025)

Beyond Fixed Depth: Adaptive Graph Neural Networks for Node Classification Under Varying Homophily
von: Hevapathige, Asela, et al.
Veröffentlicht: (2025)

A Diffusion-Contrastive Graph Neural Network with Virtual Nodes for Wind Nowcasting in Unobserved Regions
von: Shi, Jie, et al.
Veröffentlicht: (2026)

Generalizing Graph Neural Networks on Out-Of-Distribution Graphs
von: Fan, Shaohua, et al.
Veröffentlicht: (2021)

Formal Verification of Graph Convolutional Networks with Uncertain Node Features and Uncertain Graph Structure
von: Ladner, Tobias, et al.
Veröffentlicht: (2024)

Re-understanding Graph Unlearning through Memorization
von: Ding, Pengfei, et al.
Veröffentlicht: (2026)