본 논문은 연합 그래프 학습(FGL)과 그래프 기반 모델(GFM)의 장점을 결합한 새로운 분산 GFM 훈련 패러다임인 FedGFM+를 제안한다. FedGFM+는 지식 얽힘 문제를 해결하기 위해 두 가지 핵심 모듈을 사용한다: (1) AncDAI는 도메인별 프로토타입을 활용하여 글로벌 모델을 초기화하여 도메인별 지식을 분리하는 데 중점을 둔다. (2) AdaDPP는 각 클라이언트가 훈련하는 경량 그래프 프롬프트 풀을 활용하여 다운스트림 적응력을 향상시킨다. FedGFM+는 다양한 벤치마크에서 기존 방법들을 능가하는 성능을 보였다.
