-
公开(公告)号：CN117390664A
公开(公告)日：2024-01-12
申请号：CN202311091588.1
申请日：2023-08-28
Applicant: 北京邮电大学
IPC: G06F21/62 , G06Q30/0283 , G06N20/20
Abstract: 本发明提供一种面向联邦学习的博弈驱动隐私自适应定价方法和装置，方法包括：构建基于差分隐私的联邦学习框架；获取联邦学习框架服务器的隐私支付上限及收益，构建所述服务器的效用函数；获取所述联邦学习框架客户的隐私预算及隐私损失，构建客户的效用函数；将服务器的效用函数和客户的效用函数输入两阶段的斯塔克伯格博弈模型中，以得到隐私自适应定价策略；根据所述隐私自适应定价策略控制面向联邦学习的隐私定价过程。该方法可以最大化服务器和客户自身效用，平衡客户隐私和模型性能。本发明针对联邦学习中客户隐私和全局服务器性能相互制衡的问题，设计了客户和服务器的效用函数，通过优化效用函数来实现客户隐私和服务器性能的平衡。
Search Results
1
records
(took 0.016 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
