基本信息
文件名称：基于博弈论的联邦学习公平性与激励机制研究.pdf
文件大小：2.58 MB
总页数：77 页
更新时间：2025-10-11
总字数：约16.46万字
文档摘要
摘摘摘要要要
作为分布式机器学习技术的代表,联邦学习(FL)为隐私保护与“数据孤岛”问题提
供了解决方案.在FL中,移动设备只需要下载由服务器共享的全局模型并在本地进行
迭代训练,而无需上传其敏感数据,实现了数据的“可用但不可见”.然而,在实际应用中,
不公平的管理策略以及不合理的激励机制会阻碍移动设备投身于FL的积极性并严重
影响FL系统效率.针对上述问题,本文借助博弈论中的不屈(UB)策略来分析如何解决
FL中的公平性问题,然后,本文还