一种基于知识蒸馏和原型学习的联邦动态图学习优化方法

本发明涉及一种基于知识蒸馏和原型学习的联邦动态图学习优化方法，旨在解决动态图学习中的时间演化捕捉和数据异质性问题，通过全局知识蒸馏技术，保留先前学习到的知识，有效捕捉图快照的时间演化特征关系；并利用基于全局原型的正则项约束方法，减少客户端之间数据差异对模型性能的影响，以及引入对比学习生成全局类原型，提升模型的类内紧凑性和类间分离性，在确保数据隐私的前提下，不仅提升了全局模型的泛化能力，还通过个性化聚合机制，使每个客户端的模型能够自适应不同的数据分布，提高模型的推理能力。