[发明专利]一种基于博弈论的联邦学习隐私策略选择方法

权利要求书

1.一种基于博弈论的联邦学习隐私策略选择方法，其特征在于，该方法包括：服务器为参与方提供具有不同服务成本的模型质量的权衡参数λ_MQ与隐私强度的权衡参数λ_PI的比值λ_MQ/λ_PI，参与方根据是否满足服务质量、隐私泄露代价来选择最佳阈值，并用自身数据集训练模型，并把选择的阈值和训练更新的模型参数发给服务器；服务器收集各个参与方的模型参数进一步训练模型，获得优化的模型参数，并更新服务阈值λ_MQ/λ_PI和服务成本后再发给参与方，以此服务器保持模型长期稳定的服务状态提供给参与方。

2.如权利要求1所述的基于博弈论的联邦学习隐私策略选择方法，其特征在于，在每次迭代中，服务器计算各个参与方的效用utility_i，以及所有参与方的效用平均值utility，utility＝∑utility_i/N；当一位参与方的效用utility_i大于等于总体参与方的效用平均值utility时，下一次迭代时不更改自身策略；否则，下一次迭代时参与方重新选择阈值λ_MQ/λ_PI。

3.如权利要求1所述的基于博弈论的联邦学习隐私策略选择方法，其特征在于，当参与方采用低质量的数据训练模型时，得不到奖励，即奖励为0，当参与方采用低质量的数据训练模型时，会得到奖励，奖励如下：

其中，x为演化博弈的迭代次数，b为服务器奖励给参与方的收益，qos(ρ,r)＝1-(1-ρ)^r为模型全局服务质量贡献度函数，ρ为全局服务质量贡献度，r_x为在第x次迭代中选择高质量阈值的参与方数量，r_fix为每一轮新训练中过时数据的价值，qos_expect为全局服务质量的期望值，p为隐私泄露发生时的价值损失，pdr(σ，r)为参与方隐私的贡献函数，σ为参与方隐私贡献度，Z为参与方选择高质量阈值的概率，N为参与方总数。

4.如权利要求3所述的基于博弈论的联邦学习隐私策略选择方法，其特征在于，服务器通过调节奖励的预算b，使得整个演化博弈模型最终稳定在一个概率Z；该概率Z是指在训练更新模型的过程中，寻找到参与方选择高质量阈值的概率，来保证模型的长期服务质量；通过多轮迭代，最终整个服务训练的参与者有Z的概率选择高质量数据训练模型，1-Z的概率选择低质量数据训练模型，Z的计算方法如下：Z＝utility/utility_i。

5.如权利要求3所述的基于博弈论的联邦学习隐私策略选择方法，其特征在于：所述参与方的效用utility_i根据数据质量进行区分，具体计算公式如下：

其中，j表示高质量数据的等级，reward(x)表示每轮迭代每位参与方的奖励，cost(x)是每轮迭代每位参与方支出的服务费用。

6.根据权利要求1所述的基于博弈论的联邦学习隐私策略选择方法，其特征在于，该方法包括如下步骤：

步骤S1：服务器通过用不同的阈值λ_MQ/λ_PI训练模型，并为每个阈值λ_MQ/λ_PI设置不同的服务费；其中，λ_MQ为模型质量的权衡参数，λ_PI为隐私强度的权衡参数；

步骤S2：服务器将训练后的模型、不同阈值及其对应的服务费等发给各个参与方选择；

步骤S3：各参与方根据自身对服务质量、隐私保护强度的要求等选择合适的阈值λ_MQ/λ_PI，并支付给服务器对应的服务费；

步骤S4：各参与方在选择完毕后，使用本地的数据集训练模型，并把阈值及其对应的费用和更新后的参数发送给服务器；

步骤S5：服务器对各参与方的模型参数进行汇总调整，再次训练模型，并且根据阈值的选择情况重新设置服务费；

步骤S6：服务器将每位参与方选择的阈值λ_MQ/λ_PI与服务器设定的阈值范围进行比较，当参与方选择的阈值λ_MQ/λ_PI不在服务器设定的阈值范围内时，则认为该参与方选择的是低服务质量，则得不到奖励，效益为0；当参与方选择的阈值λ_MQ/λ_PI在服务器设定的阈值范围内时，则认为该参与方选择的是高服务质量；

步骤S7：服务器根据各个参与方的效用utility_i，计算本次迭代的总体参与方的效用平均值utility，utility＝∑utility_i/N，并发送给各个参与方；

计算该参与方的效用utility_i如下：

步骤S8：重复步骤S2～步骤S7，当参与方的效用大于等于总体的平均效用值时，参与方保持当前迭代的阈值选择不变；反之，参与方则需要重新选择阈值。