本文提出了个性化图形联邦学习（PGFL）框架，通过分布式连接的服务器和边缘设备协作学习设备或集群特定的模型，同时维护每个个体设备的隐私。利用差分隐私的变量PGFL实现，可以在线性时间内收敛于每个集群的最优集群特定解。通过使用合成数据和MNIST数据集进行回归和分类的数值实验，检验了所提出的PGFL算法的性能。