1.一种基于神经通路的图垂直联邦数据增强方法，其特征在于，包括以下步骤：步骤S1，定义奖励机制，基于若干本地模型参与方与一中心服务器组成图垂直联邦学习框架；

步骤S2，通过计算本地模型神经元激活值，根据其与本地模型每一层输入的梯度关系，获得本地模型的逆向神经通路，通过该逆向神经通路寻找图拓扑结构；

步骤S3，基于步骤S2得到的逆向神经通路寻找有利于中心服务器模型性能的目标修改节点的节点特征；

步骤S4，基于步骤S2和步骤S3得到的图拓扑结构和节点特征，对本地数据进行数据增强。

2.根据权利要求1所述的基于神经通路的图垂直联邦数据增强方法，其特征在于，所述本地模型具体为图神经网络，所述本地模型的输出的本地节点嵌入向量E为：其中，ρ(·)代表ReLU激活函数，X为节点特征矩阵，W1和W2分别为第1层和第2层的模型参数，A为图结构对应的邻接矩阵；IN为N×N的对角矩阵，N为节点数量；

为节点的度矩阵。

3.根据权利要求2所述的基于神经通路的图垂直联邦数据增强方法，其特征在于，所述中心服务器模型具体为：本地模型将本地节点嵌入向量E上传至中心服务器模型，所述中心服务器模型对上传的本地节点嵌入向量进行拼接处理后生成全局节点嵌入向量Eglobal：Eglobal＝E1||...||Em

其中，||为拼接操作符，m为参与方数量；

利用全局节点嵌入向量Eglobal训练中心服务器模型；

所述中心服务器的训练目标为：

其中，{VL}为带标签的节点集合，|P|为图中节点的类别数；Y为节点的真实标签；中心服务器模型以上述训练目标，更新中心服务器模型参数[θ1...θl]。

4.根据权利要求1所述的基于神经通路的图垂直联邦数据增强方法，其特征在于，所述奖励机制具体为：所述中心服务器根据各本地模型的贡献度分配奖励，第i个参与方的贡献度Ci计算公式为：其中，acci代表仅有第i个参与方数据情况下服务器的预测准确率，η为贡献度放缩常数，m为参与方数量；

所述本地模型的贡献度进行奖励分配的计算公式为：

其中，Rtotal为总体奖励值，m为参与方数量。

5.根据权利要求1所述的基于神经通路的图垂直联邦数据增强方法，其特征在于，所述步骤S2具体为：训练中央服务器模型，选取一本地模型作为数据增强方，数据增强方对上传的本地节点嵌入向量取最大值对应的神经元作为逆向神经通路的起始神经元，并将该神经元激活值M对上一层输入求梯度，获得神经元梯度矩阵gneural，则第l‑1层梯度矩阵为：l

其中，M为第l层神经元激活最大值：

l

其中，h代表模型第l层神经元激活值；获得上一层重要神经元直至获得输入层神经元，形成逆向神经通路；

遍历所有样本，获得每个样本的重要输入层神经元，统计得到同类节点中的重要输入神经元，并取对应神经元激活值最小的k个节点作为目标修改节点集合{vs}，取输入层神经元激活值Min最大的节点作为目标生成节点vt；

将目标生成节点对应神经元激活值对输入的邻接矩阵求导，获得连边梯度矩阵gedge：选择目标生成节点vt在gedge中梯度最大的K条连边集合{ed}和对应的节点集合{vd}，T(·) 代表矩阵转置操作，得到图拓扑结构。

6.根据权利要求1所述的基于神经通路的图垂直联邦数据增强方法，其特征在于，所述步骤S3具体为：根据步骤S2获得的逆向神经通路、目标修改节点集合{vs}、目标生成节点vt以及对应的神经元激活值Min，将目标生成节点对应神经元激活值对输入的节点特征矩阵求导，获得特征梯度矩阵Gattri：选择目标生成节点上梯度最大的特征集合{Fd}作为目标修改节点需要添加的节点特征。

7.根据权利要求1所述的基于神经通路的图垂直联邦数据增强方法，其特征在于，所述步骤S4具体为：将图拓扑结构对应的节点与目标修改节点相连接：

{vnei}＝{vori}∪{vd}

{enei}＝{eori}∪{ed}

其中，{vnei}为目标修改节点的邻居节点集合，{vori}为原有的邻居节点集合，{enei}为目标修改节点的连边集合，{eori}为原有的连边集合；

将目标修改节点的特征中添加步骤S3获得的节点特征，完成本地数据的数据增强，公式如下：{F}＝{Fori}∪{Fd}

其中，{F}为目标修改节点的经数据增强后的节点特征集合，{Fori}为原有的节点特征集合，{Fd}为目标修改节点。

8.根据权利要求1所述的基于神经通路的图垂直联邦数据增强方法，其特征在于，将经过增强后的本地数据用于训练图垂直联邦学习框架。

9.一种基于神经通路的图垂直联邦数据增强系统，包括存储器和处理器，其中，所述存储器与所述处理器耦接；其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现上述权利要求1‑8任一项所述的基于神经通路的图垂直联邦数据增强方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1‑8中任一所述的基于神经通路的图垂直联邦数据增强方法。