AAAI 2025 | 基于信息瓶颈准则的联邦图数据压缩

文章预览

AAAI 2025｜基于信息瓶颈准则的联邦图数据压缩 题目：Federated Graph Condensation with Information Bottleneck Principles 会议：The 39th Annual AAAI Conference on Artificial Intelligence (AAAI 2025) 论文链接：https://arxiv.org/pdf/2405.03911 一. 摘要 图压缩（GC）通过合成小规模的压缩图来减小大规模图的尺寸，并且保持大规模图的效用，大大减少了存储和计算代价。然而，现有的 GC 方法依赖于集中式数据存储，这对于现实世界的分散式数据存储来说是不可行的，并且忽视了数据持有者的隐私保护要求。为了弥补这一研究空白，我们提出并研究了联邦图压缩（FGC）问题。具体而言，我们首先提出了一个 FGC 的通用框架，其中我们将 GC 的典型梯度匹配过程解耦为客户端梯度计算和服务器端梯度匹配，将来自多个客户端子图的知识融合到一个较小的压缩图中。然而，我们的实验研究表明， ………………………………