基于特征融合与温度缩放蒸馏的联邦图学习方法及系统

本发明属于联邦图神经网络技术领域，提供基于特征融合与温度缩放蒸馏的联邦图学习方法及系统，其中，客户端基于初始特征结构编码器参数得到第一软目标，根据第一软目标计算得到第一目标损失值，并按照减小第一目标损失值的方向对初始GNN模型中的模型参数进行优化，客户端基于优化后的GNN模型得到预测标签分布，根据预测标签分布计算得到第二目标损失值，并按照减小第二目标损失值的方向对初始特征结构编码器参数和初始结构代理集进行优化，服务器分别基于特征结构编码器参数和类级别结构代理平均值进行聚合，得到目标特征结构编码器参数和目标结构代理，从而缓解了数据异质性问题，提高节点分类的准确性。