考虑竞争环境的联邦学习多维契约激励机制研究

TP391; 针对现有激励机制无法满足竞争环境下联邦学习(FL)落地实施需要的现实问题,提出了一种适于竞争环境的多维契约激励机制.首先,引入了竞争强度描述数据拥有者和任务发布者之间的竞争关系;其次,创新性地设计了 一种金钱和FL模型使用权相组合的MM(monetary-the FL model)组合激励;再次,在MM组合激励的基础上,分别在完全信息场景和不完全信息场景下,以任务发布者利润最大化为目标,构建了适于竞争环境的联邦学习多维契约激励机制设计优化问题;进一步,通过理论推导分析了契约可行性及契约最优性,并在此基础上给出了适于竞争环境的联邦学习最优契约设计算法;最后,实验结果表明,以MM组合...

Full description

Saved in:
Bibliographic Details
Published in计算机应用研究 Vol. 40; no. 10; pp. 3007 - 3015
Main Authors 杨扬, 殷红建, 王超
Format Journal Article
LanguageChinese
Published 河北工程大学管理工程与商学院,河北邯郸056038%河北工程大学信息与电气工程学院,河北邯郸056038 2023
Subjects
竞争环境
激励机制
competitive environment
incentive mechanism
契约理论
federated learning(FL)
联邦学习
contract theory
Online AccessGet full text

Cover

More Information
Summary:TP391; 针对现有激励机制无法满足竞争环境下联邦学习(FL)落地实施需要的现实问题,提出了一种适于竞争环境的多维契约激励机制.首先,引入了竞争强度描述数据拥有者和任务发布者之间的竞争关系;其次,创新性地设计了 一种金钱和FL模型使用权相组合的MM(monetary-the FL model)组合激励;再次,在MM组合激励的基础上,分别在完全信息场景和不完全信息场景下,以任务发布者利润最大化为目标,构建了适于竞争环境的联邦学习多维契约激励机制设计优化问题;进一步,通过理论推导分析了契约可行性及契约最优性,并在此基础上给出了适于竞争环境的联邦学习最优契约设计算法;最后,实验结果表明,以MM组合激励为基础的多维契约激励机制提高了竞争环境下数据拥有者参与联邦学习的意愿.
ISSN:1001-3695
DOI:10.19734/j.issn.1001-3695.2023.02.0080