基于梯度和原型的公平联邦图学习算法

本发明针对联邦图学习中客户端协作意愿低、贡献评估不准确以及模型性能受限等问题，提出一种基于贡献公平性与图结构优化的联邦图学习方法。在客户端参与阶段，设计基于Shapley Value值近似计算和原型匹配的贡献评估机制，通过动态量化各客户端的数据价值与训练贡献，实现差异化的奖励分配以提升协作公平性。同时，在模型聚合阶段，提出图结构感知的全局优化算法，增强联邦模型的表征能力。通过融合梯度保护协议和自适应加权聚合策略，在保障数据隐私的前提下，有效提升模型在图数据上的泛化性能。