【技术实现步骤摘要】
本申请涉及联邦学习，尤其涉及一种模型共享激励方法、装置、设备及存储介质。
技术介绍
1、联邦学习是一种特殊的机器学习技术，其基本思想是在保证数据隐私安全的前提下，实现数据共享和模型更新。
2、现有技术方案大多将区块链和联邦学习系统进行融合，并提出相应的激励方法，通过区块链来对联邦学习节点的信誉进行评分，并根据信用度来对联邦学习节点发放奖励包，以此来解决联邦学习系统中的奖励分配问题，提高联邦学习模型的精确度和泛化能力。
3、但现有的技术方案对客户端数据分析不完善，训练效率低下。
技术实现思路
1、本申请提供一种模型共享激励方法、装置、设备及存储介质，用以解决现有的技术方案对客户端数据分析不完善，训练效率低下问题。
2、第一方面，本申请提供一种模型共享激励方法，包括：
3、确定参与方的参与方模型、参与方模型的损失、以及参与方的参与方模型参数；
4、根据参与方模型的损失，确定发起方模型的目标损失；
5、根据参与方的参与方模型...
【技术保护点】
1.一种模型共享激励方法，其特征在于，应用于联邦学习系统，包括：
2.根据权利要求1所述的方法，其特征在于，在所述确定参与方的参与方模型、所述参与方模型的损失、以及参与方的参与方模型参数之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，在所述根据所述发起方的发起方模型，对所述参与方的参与方数据进行联邦学习处理，得到联邦训练结果后，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述参与方的参与方模型参数、以及所述发起方的发起方模型输出结果，确定参与方的权重分散代价，包括：
5.根据权利...
【技术特征摘要】
1.一种模型共享激励方法，其特征在于，应用于联邦学习系统，包括：
2.根据权利要求1所述的方法，其特征在于，在所述确定参与方的参与方模型、所述参与方模型的损失、以及参与方的参与方模型参数之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，在所述根据所述发起方的发起方模型，对所述参与方的参与方数据进行联邦学习处理，得到联邦训练结果后，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述参与方的参与方模型参数、以及所述发起方的发起方模型输出结果，确定参与方的权重分散代价，包括：
5.根据权利要求1所述的方法，其特征在于，当所述目标信息为所述发起方的边际贡献信息时，所述确定目标信息，包括：
6.根据权利要求5所述的方法，其特征在于，所述确定所述初始目标参与方对发起方的联邦服务贡献，包括：
7.根据权利要求1所述的方法，其特征在于，当所述目标信息为所述发起方从参与方...
【专利技术属性】
技术研发人员：刘江，陈洁蔚，林怡静，王佳星，林起庚，宋越，张杨，李先华，王砚南，刘海光，白亚龙，徐铭瑞，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。