在过去的十年中,图神经网络在实体推断领域取得了巨大的成功,图神经网络因此也广泛应用于节点分类、实体对齐等任务。在图神经网络快速发展的同时,图网络涉及的隐私安全问题也逐渐引起了人们的关注。人们在外包图数据给云服务商计算的同时,会担心自己的敏感图数据是否会被泄露;多个用户在共享图数据,合作挖掘更多有价值的信息时,也会担心自己的数据是否会泄露个人的隐私。因此,越来越多的学者投身于安全的图神经网络研究,在安全的图神经网络研究中,图数据以及图神经网络模型具有极高的价值,因此如何保护图数据以及图神经网络不泄露成为了一个非常挑战的问题。本文从安全的角度出发,关注基于图神经网络的实体推断问题,旨在提出一种安全的图神经网络计算框架,实现安全的实体推断模型并应用于实体对齐等场景。本文具体研究内容如下:（1）针对图神经网络中图结构数据存在的隐私保护问题,本文提出了针对图神经网络基本运算的一套安全计算算子,用于解决图神经网络中涉及的四大基本数学运算（矩阵乘法、矩阵逐元素乘法、节点特征聚合以及非线性函数计算）的安全计算问题。本文进一步对现有的安全神经网络评估方案进行研究分析,提出改进措施以实现更加快速的安全图神经网络运算。（2）基于本文提出的图神经网络安全计算算子,针对外包服务中图数据和图神经网络模型的隐私安全问题,本文提出了基于图神经网络的安全实体推断框架,并应用于邮件网络数据,用于推断用户角色的身份,包括安全的前向推理协议和安全的参数学习协议,实现了外包场景下安全的实体推断任务。（3）针对实体对齐任务中,图数据会被不同数据持有者所持有造成的数据隔离问题,本文提出数据隔离问题下基于嵌入的实体对齐框架,包括安全的前向推理协议、安全的参数学习协议以及基于嵌入的对齐协议。