基于特征空间构建与共享的联邦图学习方法及系统

本发明公开了一种基于特征空间构建与共享的联邦图学习方法及系统，用于解决跨域物联网环境下联邦图学习中的特征空间异构、有害知识整合及个性化性能不足问题。方法包括：构建全局一致的特征空间，通过随机游走特征生成与标准化实现节点特征对齐；设计客户端混合特征编码器（CHFE），联合全局特征（MLP编码）与局部特征（GCN编码）生成混合表示；提出独立自适应聚合策略（IAA），基于领域相似度、模型相似度及梯度相似度动态计算聚合权重；引入个性化正则化机制（PPT），平衡全局协同与本地优化。本方法显著提升模型在异构数据下的收敛速度与泛化能力，降低通信开销，适用于医疗、工业等隐私敏感场景。