[发明专利]一种计算参与者贡献率的方法及装置

权利要求书

1.一种计算参与者贡献率的方法，其特征在于，适用于横向联邦学习系统，所述横向联邦学习系统包括协调者和N个参与者，N大于1；

所述方法包括：

采用如下方式确定所述N个参与者中的第一参与者在横向联邦学习模型训练过程中的贡献率，包括：

所述协调者接收各参与者反馈的N个第一模型参数更新；所述第一模型参数更新是各参与者根据各自的训练数据进行模型训练后得到的；

所述协调者从所述N个第一模型参数更新中删除所述第一参与者反馈的第一模型参数更新，得到N-1个第一模型参数更新；

所述协调者根据所述N-1个第一模型参数更新确定第一联邦模型参数，并将所述第一联邦模型参数发送给各参与者，所述第一联邦模型参数用于各参与者进一步进行模型训练，直至得到横向联邦学习对应的第一模型；

所述协调者根据所述第一模型的性能参数和第二模型的性能参数，确定所述第一参与者的贡献率；其中，所述第二模型是所述协调者在横向联邦学习过程中根据各参与者反馈的N个第二模型参数更新确定的第二联邦模型参数得到的。

2.如权利要求1所述的方法，其特征在于，所述协调者在接收各参与者反馈的N个第一模型参数更新之前，还包括：

所述协调者向各参与者发送获取请求；

所述协调者接收各参与者对应的第一初始模型参数；所述第一初始模型参数是参与者在接收到所述获取请求后根据所述参与者的训练数据确定的；

所述协调者根据所述各参与者对应的第一初始模型参数、各参与者的预设权重，确定第二初始模型参数；

所述协调者将所述第二初始模型参数记录在所述第一模型的训练请求中发送至所述各参与者，以使所述各参与者根据所述第二初始模型参数和各自的训练数据进行训练。

3.如权利要求2所述的方法，其特征在于，所述预设权重是所述协调者至少根据参与者的以下参数中的一项或多项确定：

所述参与者的训练数据的数量、所述参与者的训练数据的质量、所述参与者的训练数据的分布情况、所述参与者的信用评级。

4.如权利要求1至3任一项所述的方法，其特征在于，所述协调者在横向联邦学习过程中根据各参与者反馈的N个第二模型参数更新确定的第二联邦模型参数得到所述第二模型，包括：

所述协调者接收各参与者反馈的N个第二模型参数更新；所述第二模型参数更新是各参与者根据各自的训练数据进行训练后确定的；

所述协调者根据所述N个第二模型参数更新确定第二联邦模型参数，并将所述第二联邦模型参数发送给各参与者，所述第二联邦模型参数用于各参与者进一步训练，直至得到所述的第二模型。

5.如权利要求1所述的方法，其特征在于，所述协调者在确定所述第一参与者的贡献率之后，还包括：

所述协调者根据所述第一参与者的贡献率确定所述第一参与者的奖励。

6.一种计算参与者贡献率的装置，其特征在于，适用于横向联邦学习系统，所述横向联邦学习系统包括协调者和N个参与者，N大于1；

所述装置包括：

收发单元，所述收发单元用于接收各参与者反馈的N个第一模型参数更新；所述第一模型参数更新是各参与者根据各自的训练数据进行模型训练后得到的；

处理单元，用于从所述N个第一模型参数更新中删除所述第一参与者反馈的第一模型参数更新，得到N-1个第一模型参数更新；以及根据所述N-1个第一模型参数更新确定第一联邦模型参数，并控制所述收发单元将所述第一联邦模型参数发送给各参与者，所述第一联邦模型参数用于各参与者进一步进行模型训练，直至得到横向联邦学习对应的第一模型；

所述处理单元还用于，根据所述第一模型的性能参数和第二模型的性能参数，确定所述第一参与者的贡献率；其中，所述第二模型是所述处理单元在横向联邦学习过程中根据各参与者反馈的N个第二模型参数更新确定的第二联邦模型参数得到的。