一种基于图神经网络的在线社交网络隐私保护方法

本发明涉及图神经网络和差分隐私技术领域，具体是一种基于图神经网络的在线社交网络隐私保护方法。该方法提出了一种自适应差分隐私噪声的图神经网络方案，能够在每次迭代时根据历史与当前模型参数动态调整引入的噪声值，以确保模型在满足差分隐私要求的同时，尽可能减少对模型精度的影响。本方法实现了对在线社交网络数据的隐私保护，确保敏感数据应用于图神经网络时应用噪声机制，使真实数据不可见，最终保障整体模型的安全性。本发明通过加噪与模型参数裁剪保护数据之间的隐私确保数据在得到高效隐私保护的同时保证模型的实用性。