一种增强结构化联邦图学习方法

本发明提供了一种增强结构化联邦图学习方法，属于深度学习技术领域。本发明所述方法包括客户贡献评估、参数调整和知识忘却；客户贡献评估利用信誉理论评估客户贡献；参数调整采用注意力机制和熵权法调整关键参数，减少聚合误差并优化全局模型性能；知识忘却通过结合软混淆和硬混淆损失处理数据遗忘请求，确保特定知识被遗忘而不影响整体性能。本发明解决了大规模图数据训练中的数据隔离问题及应对非独立同分布数据和多样化本地模型特征问题；即使参与者可靠性较低，准确率仍能够保证；并且从客户端移除特定知识并将其传播到全局模型，很好地应对用户提出的忘却请求。本发明显著提高了全局模型的准确性，在满足忘却请求后，更好地保持了模型精度。