Lethe：用于评估边遗忘方法的链路推断攻击

arXiv:2610.21869v1 公告类型：新 摘要：图遗忘（GU）旨在无需重新训练的情况下，从图神经网络中移除特定训练数据的影响。尽管大多数方法都针对节点和特征的移除，但边遗忘（EU）旨在遗忘边，由于要彻底移除一条边对模型的影响非常困难，近年来作为一个独立问题受到了专门关注。尽管如此，除了在 Cora 和 Citeseer 等特征丰富的数据集上进行的零散评估之外，目前还不存在专门针对 EU 的基准测试；在这些数据集中，GNNs 利用的是节点特征，而非图结构。基于此，我们指出现有评估存在两个系统性局限：专门的 EU 方法可能比重新训练更慢，而且由于移除边产生的影响微乎其微，准确率指标无法提供有效信息。为弥补这一空白，我们提出 Lethe，这是首个全面的边遗忘基准，涵盖 15 种方法和 8 个数据集。我们的基准强调大规模图，引入了难度各异的评估任务，并提出基于链路推断攻击的实证度量，而非使用代理准确率指标。我们提供了全面的实证分析，展示了当前评估方式的不足，并将 Lethe 发布为一个可复现、可扩展的基准。