본 논문은 개인정보 보호 규정 강화에 따라 중요성이 커지고 있는 그래프 기반 머신 언러닝의 공정성 문제를 해결하기 위한 새로운 프레임워크를 제안합니다. 기존 방법들이 노드나 에지를 무차별적으로 수정하여 공정성을 해칠 수 있는 문제점을 지적하며, 그래프 구조와 모델을 동시에 최적화하여 공정한 언러닝을 달성하는 방법을 제시합니다. 이는 불필요한 에지를 제거하고, 공정성을 유지하며 특정 에지를 추가하는 방식으로 그래프를 재구성하는 것을 포함합니다. 또한, 까다로운 시나리오에서의 강건성을 평가하기 위한 최악의 경우 평가 메커니즘을 도입했습니다. 실제 데이터셋을 이용한 실험 결과, 제안된 방법이 기존 방법보다 더 효과적이고 공정한 언러닝을 달성함을 보여줍니다.
