基于Stackelberg博弈的异步联邦学习激励机制设计

打开文本图片集

摘  要：联邦学习作为能够保护数据隐私和保证数据安全的新型分布式机器学习被广泛关注，异步联邦学习作为传统联邦学习的变种，能有效提高模型训练效率。激励机制的引入能够帮助异步联邦学习有效提高模型训练效用。利用Stackelberg博弈构建了一个联邦学习激励机制，分别对中心服务器和数据拥有者效用进行优化。（剩余7239字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。