深度分析 GAN 驅動的圖形重建攻擊：GLC 與 ELC 揭露 GNN 隱私漏洞 隨著圖形資料廣泛應用，研究提出兩種基於GAN的圖形重建攻擊(GLC與ELC)，利用模型預測與中層嵌入，可在黑箱情境下重現訓練圖形，實驗顯示提升超過20%。此方法較傳統VAE在FGD、EGD、MMD與GKS四指標上平均提升約30%，且查詢次數減半仍維持相似效果，突顯GNN隱私防護脆弱。
