본 논문은 그래프 신경망(GNN)의 사전 훈련된 모델의 지적 재산권(IP) 보호를 위한 새로운 프레임워크인 PreGIP를 제안합니다. 기존의 GNN 워터마킹 기법들은 특정 분류 작업에 의존하지만, PreGIP는 작업과 무관한 워터마킹 손실 함수를 사용하여 사전 훈련된 GNN 인코더의 임베딩 공간에 워터마크를 삽입합니다. 또한, 미세 조정에 강한 워터마킹 주입 기법을 활용하여 IP 보호와 다운스트림 작업의 고성능 유지를 동시에 달성합니다. 이론적 분석과 광범위한 실험을 통해 PreGIP의 효과를 검증합니다.
