一种掩码遮罩的横向联邦异质图学习方法及装置

本发明提供一种掩码遮罩的横向联邦异质图学习方法及装置，包含客户端本地训练与全局聚合两阶段。客户端基于全局服务器分发的初始参数部署本地模型，利用动态生成的掩码遮罩随机遮掩输入特征以挖掘高阶拓扑结构，通过边重构损失优化拓扑感知能力；同时随机遮掩节点属性并动态调整遮掩比例，结合一致性语义损失增强语义鲁棒性；联合节点分类损失共同更新本地参数。全局聚合阶段，服务器根据各客户端指定元路径下的边集计算聚类系数衡量图结构紧密度，结合节点数量动态分配聚合权重，融合拓扑信息丰富的客户端参数，迭代优化全局模型。本发明能够克服客户端数据动态变化导致的语义不一致问题，捕捉局部图结构价值，提升全局泛化能力与收敛效率。