PriDyG: Privacy-preserving Dynamic Graph Inference with LLM-GNN Collaboration
يُعدُّ PrivDyG إطار عمل للحفاظ على الخصوصية في الاستدلال على الرسوم البيانية الديناميكية، حيث يجمع بين التعلم الهيكلي القائم على الشبكات العصبية الرسومية (GNN) والاستدلال الدلالي القائم على النماذج اللغوية الكبيرة (LLM) لتحقيق خصوصية تفاضلية على مستوى الحافة بتكلفة تراكمية ثابتة، متفوقاً بشكل ملحوظ على النماذج المرجعية الحالية في المنفعة مع الحد من تراكم فقدان الخصوصية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل الإنترنت كخريطة ضخمة ومتغيرة باستمرار من الروابط. بعض الخطوط على هذه الخريطة هي صداقات، وأخرى هي معاملات مالية، وبعضها استشارات طبية سرية. تسمى هذه الخريطة "رسمًا بيانيًا" (Graph)، وتستخدمها الحواسيب لتقديم تنبؤات، مثل تخمين من قد ترغب في مصادقته أو ما ستشتريه لاحقًا. ولكن هنا تكمن العقبة: إذا طلبت من حاسوب دراسة هذه الخريطة بدقة شديدة، فقد يكشف بالخطأ تلك الخطوط السرية، مما يفضح العلاقات الخاصة. ولمنع حدرا، يستخدم العلماء درعًا رياضيًا يسمى "الخصوصية التفاضلية" (Differential Privacy). فكر في الأمر كإضافة القليل من الضجيج الساكن إلى إشارة الراديو؛ هذا يجعل الإشارة ضبابية بما يكفي بحيث لا يمكن لأحد سماع سر محدد، ولكنها تظل واضحة بما يكفي لفهم الموسيقى العامة.
تصبح المشكلة أكثر تعقيدًا عندما تستمر الخريطة في التغير. ففي العالم الحقيقي، تتشكل صداقات جديدة وتحدث معاملات جديدة في كل ثانية. وإذا حاول حاسوب تحديث تنبؤاته في كل مرة يُرسم فيها خط جديد، فسيتعين عليه فحص الخريطة بأكملها مرارًا وتكرارًا. وفي كل مرة ينظر فيها، يضعف درع الخصوصية قليلًا، ويصبح الضجيج أعلى، حتى تصبح التنبؤات عبارة عن بيانات عديمة الفائدة. تتناول هذه الورقة البحثية السؤال الكبير: كيف يمكننا الاستمرار في تحديث تنبؤاتنا على خريطة متغيرة دون استنفاد الخصوصية أو الغرق في الضجيج؟
يقترح مؤلفو هذه الورقة، يويانغ شيا، ورويكسوان ليو، ولي شيونغ، نظامًا ذكيًا جديدًا يسمى PriDyG. فبدلاً من محاولة إجبار الحاسوب على إعادة مسح الخريطة الفوضوية بالكامل في كل مرة يظهر فيها خط جديد، قاموا ببناء فريق مكون من جزأين: الجزء الأول هو "محقق هيكلي" (شبكة عصبية رسومية) ينظر في الروابط، والجزء الآخر هو "قارئ دلالي" (نموذج لغوي كبير) يقرأ الأوصاف النصية للأشخاص أو العناصر المعنية.
إليك كيف تعمل خدعتهم السحرية. "المحقق الهيكلي" هو من يحتاج إلى درع الخصوصية لأنه ينظر في الروابط السرية. عادةً، في كل مرة تتغير فيها الخريطة، يتعين على هذا المحقق إعادة فحص الخريطة بأكملها، مما يستنزف ميزانية الخصوصية ويضيف الكثير من الضجيج لدرجة تجعله مشتتًا. يغير PriDyG قواعد اللعبة باستخدام نظام "مخزن مؤقت" (Buffer). فبدلاً من إعادة قراءة الخريطة بأكملها، ينظر النظام فقط إلى الخطوط الجديدة التي وصلت منذ الفحص الأخير. يقوم بحساب الفرق ويضيفه إلى الإجابة القديمة، تمامًا مثل تحديث لوحة النتائج عبر إضافة النقاط الجديدة فقط بدلاً من إعادة عد المباراة بأكملها. وهذا يعني أن تكلفة الخصوصية تظل ثابتة بغض النظر عن عدد مرات تحديث الخريطة.
ومع ذلك، فإن طريقة "الفرق" هذه ليست مثالية؛ فهي تفقد بعض الروابط المعقدة وطويلة المدى التي كان المسح الكامل سيلتقطها. وهنا يأتي دور عضو الفريق الثاني، "القارئ الدلالي". هذا القارئ ينظر فقط إلى الأوصاف النصية العامة (مثل السيرة الذاتية للشخص أو وصف المنتج) ويتجاهل الروابط السرية تمامًا. وبما أنه لا يلمس البيانات الخاصة، فهو لا يحتاج إلى أي ميزانية خصوصية على الإطلاق! إنه يعمل كشبكة أمان؛ فعندما يصبح المحقق الهيكلي ضبابيًا للغاية أو غير متأكد بسبب الضجيج، يعتمد النظام بشكل أكبر على رأي القارئ الدلالي.
تظهر الورقة البحثية أن هذا التعاون يعمل بشكل رائع. ففي الاختبارات على أربعة مجموعات بيانات مختلفة (بما في ذلك الشبكات الاجتماعية وكتالوجات المنتجات)، تمكن PriDyG من الحفاظ على دقة تنبؤاته حتى مع تغير الرسم البياني آلاف المرات. لقد أثبت أنه من خلال الجمع بين تحديث هيكلي يحافظ على الخصوصية وقارئ نصي خالٍ من قيود الخصوصية، يمكنك الحفاظ على دقة عالية دون أن تخرج تكلفة الخصوصية عن السيطرة. ووجد المؤلفون أن هذه الطريقة أفضل بكثير من الطرق القديمة لمحاولة الحفاظ على الخصوصية، والتي كانت تؤدي عادةً إلى جعل الحاسوب مليئًا بالضجيج لدرجة تجعله غير قادر على تقديم تنبؤات مفيدة بعد بضع تحديثات. لقد أثبتوا أن نهجهم يحافظ على ثبات إجمالي تكلفة الخصوصية، بغض النظر عن عدد التحديثات التي تحدث، بينما يقدم أيضًا نتائج تنافس الأنظمة التي لا تستخدم حماية الخصوصية على الإطلاق.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.