科研背景

图形对于关系数据和生物数据的建模至关重要。例如，在社交网络中，每个用户及其连接形成了一个包含所有用户及其链接的大型图形。由于隐私问题，各方可能不会将其私有图数据集发送到中央服务器，这引发了在多个分布式图数据集上训练GNNs模型的需要。由于隐私限制，他们无法与其他实体共享这些图形。如何在不共享实际数据的情况下协同训练GNNs？最直接的方法是使用GNNs执行联邦学习(FL)，其中每个客户端在本地数据上单独训练本地GNNs，而中央服务器将来自多个客户端的本地更新的GNNs权重聚合为一个。

科研问题

科研目的

科研内容