基于智能合约和演化博弈论的动态激励模型制造技术

本发明专利技术公开了一种基于智能合约和演化博弈论的动态激励模型。该模型主要分为两部分：基于演化博弈论的数据共享激励机制EGTI和基于EGTI的智能合约设计。建立演化博弈模型的分析结果，设计基于EGTI的智能合约并将合约部署在链上，动态调整用户参与的激励收益。用户调用合约获取预期收益，促进用户参与联邦学习的模型训练，加速协作任务的完成。在系统中引入“信誉币”，作为数据共享交易的加密货币，促进用户诚实地参与联邦学习的模型训练以获取信誉币，避免在学习过程中，用户传播无效或低质量的模型参数，导致模型训练精度不高。该模型所提出的动态激励机制能促进参与方最终都参与联邦学习协作训练任务并保持稳定，且有效地帮助提高模型的准确率。帮助提高模型的准确率。

【技术实现步骤摘要】
基于智能合约和演化博弈论的动态激励模型


[0001]本专利技术属于数据共享领域，具体涉及一种基于智能合约和演化博弈论的动态激励模型，用于促进用户参与数据共享过程。

技术介绍

[0002]数据共享交易的关键是保障数据提供方的合法权益，尤其是数据共享中用户的经济效益。以往针对数据共享的研究，都存在一个假设，即数据提供者愿意参与数据共享。但在现实生活中，存在一个情况，即用户可能因为数据隐私问题，或经济激励不够充分而选择不参与数据共享。例如在医疗数据研究领域，由于用户担心自己的病史等隐私记录被他人获取，可能更多选择不共享自己的医疗信息。因此，在确保用户数据隐私安全的条件下，设计充分有效的激励机制让用户共享数据，才能够有效地促进数据的流通。而在数据共享领域，联邦学习可以解决多方数据共享过程中的隐私问题，但由于参与用户需要消耗更多的计算资源，因此，该方面的激励机制研究更为重要。
[0003]传统的激励机制可以分为基于声誉的、基于支付的和“针锋相对”这三类方式。除“针锋相对”方式外，基于声誉和基于支付方式的激励机制通常需要借助第三方可信机构对用户行为进行审计和计算收益。但第三方机构可能存在不诚实行为，对用户可能会存在不公平现象。而“针锋相对”方式虽然可以省去第三方机构，但这种方式下用户的决策完全取决于其余用户的决策，缺少对用户的理性分析，且用户策略的波动较大，不适用于所研究的数据共享系统。
[0004]综上所述，需要找到一种根据当前情况调整用户参与数据共享，并使用户的策略保持稳定的博弈方法和激励策略，以促进用户参与联邦学习。

技术实现思路

[0005]针对上述问题，本专利技术提供一个基于智能合约和演化博弈论的动态激励模型，解决数据共享联邦学习过程中的激励问题。
[0006]本专利技术解决上述问题所采用的基于智能合约和演化博弈论的动态激励模型，主要分为两部分：基于演化博弈论的数据共享激励机制EGTI和基于EGTI的智能合约设计。其中，激励机制是本章要解决的主要问题，即结合建立的演化博弈模型的分析结果，设计基于EGTI的智能合约并将该智能合约部署在链上，通过动态调整用户参与的激励收益。用户调用合约获取实时计算的预期收益，以此促进用户参与联邦学习的模型训练，加速协作任务的完成。同时，在系统中引入“信誉币”，作为数据共享交易的加密货币，促进用户诚实地参与联邦学习的模型训练以获取信誉币，避免在联邦学习过程中，用户传播无效或低质量的模型参数，导致模型训练精度不高。
[0007]进一步的是，所述信誉币主要用于在系统初始化阶段，对新加入区块链的用户分配初始信誉币；
[0008]进一步的是，所述信誉币主要用于在数据请求阶段，为避免恶意用户发布多次请
求，针对需要请求数据的数据需求方，需要支付一定的信誉币作为定金，用于发布数据请求公告；
[0009]进一步的是，所述信誉币主要用于在共享阶段，对参与联邦学习的数据提供方按照本次数据共享中的贡献值分配信誉币；
[0010]进一步的是，所述基于演化博弈论的数据共享激励模型EGTI中，用户的数据共享收益主要可以分为两类：直接收益和协作收益；
[0011]进一步的是，所述EGTI模型的直接收益，主要与数据共享请求的相似度，自身拥有的信誉程度相关，在本模型中通过数据持有者拥有的信誉币数量进行衡量用户的信誉程度。数据相似度越高，或信誉程度越高的用户将获得的收益更多，以此激励用户诚实地参与协作；
[0012]进一步的是，所述EGTI模型的间接收益，取决于当参与决策的用户都选择参与数据共享时，双方数据信息的融合促进联邦学习进程，降低数据请求问题求解的难度，在该过程中产生协作收益，参与数据共享的双方都将获得协作收益；
[0013]进一步的是，所述EGTI模型中加入动态激励收益参数，当初始参与数据共享的用户数量过少时，增加该动态激励，促进用户参与数据共享；
[0014]进一步的是，所述智能合约利用Friedman提出的局部稳定性分析方法，分析EGTI模型稳定性进行设计，通过对不同条件下的演化趋势分析用户参与的稳定性；
[0015]本专利技术为解决上述问题所采用的基于智能合约和演化博弈论的动态激励模型，包括以下步骤：
[0016]A.用户加入系统后，系统为其分配初始信誉币。
[0017]B.数据请求者支付一定信誉币发布数据请求；
[0018]C.数据提供者调用智能合约，获取参与数据共享的预期收益，以决定是否参与数据共享。
[0019]D.系统根据数据提供者的参与共享，分配其应有的信誉币。
[0020]本专利技术的积极效果是：
[0021](1)本专利技术的系统模型实现了去中心化的数据共享，用户通过调用智能合约获取预期收益，该预期收益结合了用户的数据相似度和信誉程度合理地进行自动计算，且不需要第三方中心机构的审核，保障参与方的公平性。
[0022](2)该模型根据博弈论中的“纳什均衡”，分析不同条件下系统用户策略的均衡点，并结合了智能合约技术，通过动态调整用户的参与收益，使用户的最终演化策略都趋向于参与决策，并保持稳定。
[0023](3)本专利技术提出的动态激励模型，结合了演化博弈论的思想，与传统博弈论相比，不再假设用户是完全理性的，而是可以根据所获得的有限信息条件下，不断调整自身的决策，更符合现实场景下，用户有限理性的特点。且满足激励相容的设计。
[0024](4)本专利技术提出的动态激励模型，可以使联邦学习的模型效果最大化。
附图说明
[0025]图1是基于SC
‑
EGTI的激励机制整体框架图；
[0026]图2是EGTI模型的ESS趋势总结；
[0027]图3是基于EGTI模型的智能合约UML类图。
具体实施方式
[0028]下面对基于本激励模型的整体框架的工作流程进行详细说明，主要介绍演化博弈论的数据共享激励机制EGTI和基于EGTI的智能合约设计。
[0029]演化博弈论的数据共享激励机制EGTI主要工作描述如下：
[0030]1)构建基于演化博弈论的激励模型EGTI；
[0031]2)对该模型进行稳定性分析；
[0032]3)寻找系统用户均参与数据共享协作任务的稳定点。
[0033]结合建立的演化博弈论的分析结果，设计基于EGTI的智能合约系统的工作流程描述如下：
[0034]4)根据数据请求查询的相关数据提供方集合中的总数，设置演化博弈模型EGTI中的用户总数；
[0035]5)用户选择参与数据共享时，比较系统当前参与用户比例和阈值的大小，动态调整动态激励收益，使当前系统用户的参与比例逐渐趋向于一个阈值，当大于该阈值的时候，不需要再增加激励收益，即可使用户的决策逐渐演化为参与策略。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.本发明解决上述问题所采用的基于智能合约和演化博弈论的动态激励模型，其特征在于：主要分为两部分，基于演化博弈论的数据共享激励机制EGTI和基于EGTI的智能合约设计，其中，激励机制是本章要解决的主要问题，即结合建立的演化博弈模型的分析结果，设计基于EGTI的智能合约并将该智能合约部署在链上，通过动态调整用户参与的激励收益，用户调用合约获取实时计算的预期收益，以此促进用户参与联邦学习的模型训练，加速协作任务的完成，同时，在系统中引入“信誉币”，作为数据共享交易的加密货币，促进用户诚实地参与联邦学习的模型训练以获取信誉币，避免在联邦学习过程中，用户传播无效或低质量的模型参数，导致模型训练精度不高。2.根据权利要求1所述的一种基于智能合约和演化博弈论的动态激励模型，其特征在于：所述信誉币主要用于在系统初始化阶段，对新加入区块链的用户分配初始信誉币。3.根据权利要求1所述的一种基于智能合约和演化博弈论的动态激励模型，其特征在于：所述信誉币主要用于在数据请求阶段，为避免恶意用户发布多次请求，针对需要请求数据的数据需求方，需要支付一定的信誉币作为定金，用于发布数据请求公告。4.根据权利要求1所述的一种基于智能合约和演化博弈论的动态激励模型，其特征在于：所述信誉币主要用于在共享阶段，对参与联邦学习的数据提供方按照本次数据共享中的贡献值分配信誉币。5.根据权利要求1所述的一种基于智能合约和演化博弈论的动态激励模型，其特征在于：所述基于演化博弈论的数据共享激励模型EGTI中，用户的数据共享收益主要可以分为两...

【专利技术属性】
技术研发人员：陈彦如，王浩，王帆，张媛媛，岳凯峰，郭伟新，兰镇宇，吴迪智，李亚洁，陈良银，
申请(专利权)人：四川大学，
类型：发明
国别省市：