基于记忆感知的图数据联邦忘却学习方法、设备及存储介质

本发明提供了一种基于记忆感知的图数据联邦忘却学习方法、设备及存储介质，属于分布式人工智能技术领域。本发明方法是在第三方服务器上通过匿名用户特征实现聚类，并在用户本地进行分布式的参数重要性权重计算，由中心服务器进行聚合得到模型对于该类数据的记忆感知，随后采用参数剪枝过程，剔除该类数据对模型的影响，并加入一个微调的过程来恢复模型因剪枝带来的性能损失。通过本发明方法，当用户在带有高阶信息的联邦学习推荐系统中提出忘却请求时，能够快速计算出忘却用户对模型的独有贡献并进行剔除，而无需对推荐模型进行重训练，有效地保护了用户的数据隐私。