본 논문은 완전 동형암호(FHE) 환경에서의 개인정보보호 GNN 추론을 위한 효율적인 프레임워크인 DESIGN(EncrypteD GNN Inference via sErver-Side Input Graph pruNing)을 제안합니다. 기존 FHE GNN 접근 방식의 주요 효율성 한계를 해결하기 위해 서버 측에서 계층적 최적화 전략을 사용합니다. 먼저, 암호화된 그래프에서 암호화된 차수 통계를 기반으로 FHE 호환 노드 중요도 점수를 계산하고, 이 점수를 이용하여 다단계 중요도 마스크를 생성합니다. 이 마스크는 입력 그래프 가지치기와 노드 중요도 수준에 맞춘 적응형 다항식 활성화 방식을 가능하게 합니다. 실험 결과, DESIGN은 기존 최첨단 방법에 비해 FHE GNN 추론 속도를 크게 향상시키면서 경쟁력 있는 모델 정확도를 유지함을 보여줍니다. 구현 코드는 깃허브에 공개되어 있습니다.
