On the Safety of Graph Representation Learning

요약

본 논문은 그래프 표현 학습(GRL)의 안전성 문제를 다루며, 기존 연구가 주로 깨끗한 전이와 적응에 초점을 맞춘 한계를 지적합니다. 이를 해결하기 위해 GRL-Safety라는 다차원 안전성 평가 벤치마크를 제안했습니다. 이 벤치마크는 25개 데이터셋과 12가지 대표적인 GRL 방법을 사용하여 교란 내성, OOD 일반화, 공정성 등 5가지 안전 축을 포괄적으로 평가합니다.

핵심 포인트

• GRL-Safety는 그래프 표현 학습의 다차원 안전성을 평가하는 새로운 벤치마크입니다.
• 평가는 교란 내성(corruption robustness), OOD 일반화, 클래스 불균형, 공정성, 해석 가능성 등 5가지 핵심 안전 축을 포함합니다.
• 안전성은 방법 계열 자체보다는 표현 설계와 스트레스받는 그래프 인자 간의 상호작용에 의해 결정됩니다.
• 파운데이션 모델(GFMs)은 광범위한 안전 우위보다는 특정 안전 축에서 강점을 보이는 경향이 있습니다.