FairGU: 소셜 네트워크에서 공정성을 고려한 그래프 비 학습

FairGU: Fairness-aware Graph Unlearning in Social Networks

그래프 비 학습은 지속 가능하고 개인 정보 보호 기능을 제공하는 소셜 네트워크를 지원하는 데 중요한 역할을 하며, 모델이 삭제된 노드의 영향을 제거하여 사용자 정보를 더 잘 보호할 수 있도록 합니다. 그러나 기존의 그래프 비 학습 기술은 민감한 속성을 충분히 보호하지 못하여 종종 기존의 그래프 학습 방법에 비해 알고리즘의 공정성이 저하되는 현상이 발생합니다. 이러한 문제를 해결하기 위해, 우리는 유틸리티와 공정성을 모두 유지하는 그래프 비 학습 프레임워크인 FairGU를 제안합니다. FairGU는 전용 공정성 모듈과 효과적인 데이터 보호 전략을 통합하여, 노드가 제거될 때 민감한 속성이 의도치 않게 증폭되거나 구조적으로 노출되지 않도록 합니다. 여러 실제 데이터 세트에 대한 광범위한 실험을 통해 FairGU가 최첨단 그래프 비 학습 방법 및 공정성 강화 그래프 학습 기준보다 정확도 및 공정성 지표 측면에서 일관되게 우수한 성능을 보임을 입증했습니다. 우리의 연구 결과는 현재의 비 학습 방식에서 간과되고 있는 위험을 강조하며, FairGU를 차세대 사회적으로 지속 가능한 네트워크 시스템을 위한 강력하고 공정한 솔루션으로 확립합니다. 코드는 https://github.com/LuoRenqiang/FairGU 에서 확인할 수 있습니다.

Graph unlearning has emerged as a critical mechanism for supporting sustainable and privacy-preserving social networks, enabling models to remove the influence of deleted nodes and thereby better safeguard user information. However, we observe that existing graph unlearning techniques insufficiently protect sensitive attributes, often leading to degraded algorithmic fairness compared with traditional graph learning methods. To address this gap, we introduce FairGU, a fairness-aware graph unlearning framework designed to preserve both utility and fairness during the unlearning process. FairGU integrates a dedicated fairness-aware module with effective data protection strategies, ensuring that sensitive attributes are neither inadvertently amplified nor structurally exposed when nodes are removed. Through extensive experiments on multiple real-world datasets, we demonstrate that FairGU consistently outperforms state-of-the-art graph unlearning methods and fairness-enhanced graph learning baselines in terms of both accuracy and fairness metrics. Our findings highlight a previously overlooked risk in current unlearning practices and establish FairGU as a robust and equitable solution for the next generation of socially sustainable networked systems. The codes are available at https://github.com/LuoRenqiang/FairGU.