公开(公告)号：CN118036707A

公开(公告)日：2024-05-14

申请号：CN202410179626.7

申请日：2024-02-18

Applicant: 辽宁大学

Inventor： 曲大鹏 ,  温泽宇 ,  柴琦晟 ,  刘宇铎 ,  程子傲 ,  吴振滨

IPC: G06N3/098 ,  G06F21/64 ,  G06F21/62 ,  G06F18/241

Abstract: 一种基于合同理论激励机制的联邦学习数据共享方法。针对联邦学习中的Non‑IID问题，本发明在联邦学习数据预处理阶段加入了基于合同理论的激励机制，考虑了边缘节点在实际场景中存在理性自私等主观因素，从数据敏感度、数据稀缺度等多重因素衡量节点的隐私成本，通过任务发布平台以本地节点、中心服务器的效用最大化为目标制定最优合同，并将合同下发给节点，采用单数据类型的合同交互方式，排除数据分布对数据质量校验的影响，提高了校验的准确度，校验合格的分发合同类型对应的奖励，激励节点共享出数据样本以构造数据量更多、数据质量更好、数据分布更均匀的全局共享数据集，并下发共享数据集给各节点，以此来缓解Non‑IID问题，提高模型识别精度。