一种基于图神经网络的联邦推荐系统模型聚合策略研究方法

本发明涉及神经网络技术领域，且公开了一种基于图神经网络的联邦推荐系统模型聚合策略研究方法，包括：数据预处理阶段；本地模型训练阶段；模型参数加密与传输阶段；联邦聚合阶段，进行解密操作，应用联邦平均或其他先进的联邦学习聚合算法；全局模型更新与分发阶段，将聚合后的全局模型参数重新加密并分发回各个客户端；迭代优化与评估阶段，进行迭代优化。本发明中，通过在模型参数传输过程中采用加密处理，确保了数据在传输和聚合阶段的隐私性和安全性，有效避免了本地模型参数泄露导致的隐私风险；进一步引入差分隐私技术和区块链机制，在模型参数中添加噪声，并实现分布式存储和验证，进一步提升了系统的隐私保护能力。