一种基于合同理论激励机制的联邦学习数据共享方法技术

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，本发明专利技术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。

【技术实现步骤摘要】

本专利技术属于联邦学习，具体涉及一种基于合同理论激励机制的联邦学习数据共享方法。

技术介绍

1、近年来，联邦学习作为一种云端协同分布式机器学习框架，通过上传模型参数而非原始数据，缓解了传统以云为中心的集中式机器学习网络资源开销大和数据隐私可能存在大量泄漏的问题，边缘节点和云之间协同训练，消除了数据孤岛的现象，在医疗保健、交通、金融、智能家居等领域被广泛应用。

2、在联邦学习中，数据采集并存储在边缘节点本地，很容易因地理位置、边缘节点习惯、边缘节点亲属关系以及数据采集生产时机差异等原因，造成节点间数据的非独立同分布(non-iid)问题，所以non-iid问题在联邦学习中是一种很常见但非常影响联邦学习模型准确度的现象。

3、数据共享方法是从数据根源出发来缓解non-iid问题的方法之一，相比于其他在联邦学习训练阶段缓解non-iid问题的方法有部署实施简单、模型识别性能提升快、可移植性强等优势。具体是通过从边缘节点抽取少量数据样本来构建全局共享数据集，并将全局共享数据集下发给各边缘节点，以此来平衡边缘节点数据样本的分布不均匀，减小边缘本文档来自技高网...

【技术保护点】

1.一种基于合同理论激励机制的联邦学习数据共享方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于合同理论激励机制的联邦学习数据共享方法，其特征在于，所述步骤1的具体过程，包括以下步骤:

3.根据权利要求1所述的一种基于合同理论激励机制的联邦学习数据共享方法，其特征在于，所述步骤6的具体过程，包括以下步骤:

4.根据权利要求1所述的一种基于合同理论激励机制的联邦学习数据共享方法，其特征在于，所述步骤7的具体过程，包括以下步骤:

【技术特征摘要】

1.一种基于合同理论激励机制的联邦学习数据共享方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于合同理论激励机制的联邦学习数据共享方法，其特征在于，所述步骤1的具体过程，包括以下步骤:

3.根据权利要...

【专利技术属性】
技术研发人员：曲大鹏，温泽宇，柴琦晟，刘宇铎，程子傲，吴振滨，
申请(专利权)人：辽宁大学，
类型：发明
国别省市：