申请/专利权人:北京交通大学;石河子大学
申请日:2022-08-05
公开(公告)日:2022-11-15
公开(公告)号:CN115345317A
主分类号:G06N20/00
分类号:G06N20/00;G06F16/27
优先权:
专利状态码:有效-授权
法律状态:2023.04.07#授权;2022.12.02#实质审查的生效;2022.11.15#公开
摘要:本发明提供了一种基于公平理论的面向联邦学习的公平奖励分配方法。该方法包括:将亚当斯的公平理论应用于联邦学习中,参与方综合分析对联邦任务投入的所有因素后,给出本次任务的期望奖励,任务发布者利用参与方的历史任务计算出参与方的声望;参与方利用本地数据参与每轮训练任务,评估参与方的数据贡献、模型贡献和等待时间补贴三因素,综合三因素的贡献结果评估参与方的贡献;当全局模型收敛后,以参与方的实际奖励与期望奖励尽可能接近为目标,根据公平奖励目标函数动态调整三因素权重,获取并分发参与方的实际奖励。本发明综合考虑不同参与方的实际情况,以尽可能满足所有参与方的期望为目标分配实际奖励,实现满足参与方期望的公平性。
主权项:1.一种基于公平理论的面向联邦学习的公平奖励分配方法,其特征在于,将亚当斯的公平理论应用于联邦学习中,将亚当斯的公平理论的投入和收益转变为联邦学习中的期望奖励和实际奖励,所述方法包括:参与方综合分析对联邦任务投入的所有因素后,给出本次任务的期望奖励,任务发布者利用参与方的历史任务计算出参与方的声望;参与方利用本地数据参与每轮训练任务,评估参与方的数据贡献、模型贡献和等待时间补贴三因素,综合三因素的贡献结果评估参与方的贡献;当全局模型收敛后进入奖励分配阶段,以参与方的实际奖励与期望奖励尽可能接近为目标,根据公平奖励目标函数动态调整三因素权重,获取并分发参与方的实际奖励。
全文数据:
权利要求:
百度查询: 北京交通大学;石河子大学 一种基于公平理论的面向联邦学习的公平奖励分配方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。