【技术实现步骤摘要】
本专利技术涉及联邦学习,尤其涉及一种基于贡献收益协同平衡的公平联邦学习方法方法。
技术介绍
1、联邦学习可以在保护数据隐私的情况下解决孤岛问题,在工业[刘晶,朱家豪,袁闰萌等.非独立同分布工业大数据下联邦动态加权学习方法[j].计算机集成制造系统,2023,29(05).]、医疗等领域取得了较好的研究效果。但是,在实际应用过程中,联邦学习的公平性问题成为了瓶颈。文章[陈颢瑜,李浥东,张洪磊,等.面向可信联邦学习公平性的研究综述[j].电子学报,2023,51(10):2985-3010.]有两种联邦学习公平性定义:均衡分配公平性和按劳分配公平性。其中,均衡分配公平性目的是每个客户端获得相同的收益,即全局模型在每个客户端的表现都尽可能一致,不会偏向某些客户端。例文章[mohri m,sivek g,suresh a t.agnostic federated learning[c]//international conference onmachine learning.pmlr,2019:4615-4625.]提高性能最差的客户端,文章[
...【技术保护点】
1.一种基于贡献收益协同平衡的公平联邦学习方法,保证客户端的贡献值与收益值协同平衡,其特征在于:包括下述步骤:
2.根据权利要求1所述的一种基于贡献收益协同平衡的公平联邦学习方法,其特征在于:所述步骤S3中,采用熵权法计算客户端的数据质量,再根据模型损失计算模型贡献值,并加入时间权重得到最终贡献值,包括以下步骤:
3.根据权利要求1所述的一种基于贡献收益协同平衡的公平联邦学习方法,其特征在于:所述步骤S4中,构建双层损失函数,训练客户端的个性化模型,分别计算个性化模型与全局模型的相对熵,并视为收益值,包括以下步骤:
【技术特征摘要】
1.一种基于贡献收益协同平衡的公平联邦学习方法,保证客户端的贡献值与收益值协同平衡,其特征在于:包括下述步骤:
2.根据权利要求1所述的一种基于贡献收益协同平衡的公平联邦学习方法,其特征在于:所述步骤s3中,采用熵权法计算客户端的数据质量,再根据模型损失计算模...
【专利技术属性】
技术研发人员:刘晶,李泽峰,王旭,赵佳,董永峰,张健楠,
申请(专利权)人:河北工业大学,
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。