[发明专利]基于联合学习的数据激励处理方法及装置

权利要求书

1.一种基于联合学习的数据激励处理方法，其特征在于，包括：

基于联合学习架构，根据参与方提供的任务需求，训练联合学习激励模型，其中，所述参与方带有数据激励系数；

调取数据贡献度算法，计算所述联合学习激励模型的精度；

根据所述联合学习激励模型的精度和数据激励系数，计算出每个参与方对模型的贡献比例；

基于所述贡献比例，确定每个参与方对应数据资源分配。

2.根据权利要求1所述的方法，其特征在于，所述基于联合学习架构，根据参与方提供的任务需求，训练联合学习激励模型，包括：

通过每个所述参与方的训练数据训练待训练模型，得到每个所述参与方对应的网络模型；

获取每个所述参与方对应的网络模型的模型参数；

聚合多个所述参与方对应的网络模型的模型参数，得到全局参数；

基于所述全局参数更新所述待训练模型的模型参数，得到所述联合学习激励模型。

3.根据权利要求2所述的方法，其特征在于，所述基于所述全局参数更新所述待训练模型的模型参数，得到所述联合学习激励模型之后，所述方法还包括：

获取每个所述参与方开始训练所述待训练模型的时刻；

根据每个所述参与方开始训练所述待训练模型的时刻为每个所述参与方分配数据激励系数。

4.根据权利要求3所述的方法，其特征在于，所述根据每个所述参与方开始训练所述待训练模型的时刻为每个所述参与方分配数据激励系数，包括：

当所述参与方开始训练所述待训练模型的时刻小于第一预设阈值时，为所述参与方分配第一数据激励系数，其中，所述第一数据激励系数为大于一的有理数；

当所述参与方开始训练所述待训练模型的时刻大于等于所述第一预设阈值，并且小于第二预设阈值时，为所述参与方分配第二数据激励系数，其中，所述第二数据激励系数为一；

当所述参与方开始训练所述待训练模型的时刻大于等于所述第二预设阈值时，为所述参与方分配第三数据激励系数，其中，所述第三数据激励系数为小于一的正小数；

其中，所述数据激励系数，包括：所述第一数据激励系数、所述第二数据激励系数和所述第三数据激励系数。

5.根据权利要求1所述的方法，其特征在于，所述调取数据贡献度算法，计算所述联合学习激励模型的精度，包括：

获取多个参与方的多个参与方信息和所述联合学习激励模型的模型信息；

根据每个所述参与方的参与方信息和所述联合学习激励模型的模型信息，计算每个所述参与方对应的夏普利值；

根据每个所述参与方对应的夏普利值，计算所述联合学习激励模型的精度。

6.根据权利要求1所述的方法，其特征在于，所述根据所述联合学习激励模型的精度和数据激励系数，计算出每个参与方对模型的贡献比例，包括：

利用所述联合学习激励模型的精度乘以每个所述参与方的所述数据激励系数，得到每个所述参与方对应的乘积结果；

根据每个所述参与方对应的乘积结果，计算出每个所述参与方对模型的贡献比例。

7.根据权利要求1所述的方法，其特征在于，所述基于所述贡献比例，确定每个参与方对应数据资源分配，包括：

根据多个所述参与方对应的贡献比例生成分配表；

基于所述分配表确定每个参与方对应数据资源分配。

8.一种基于联合学习的数据激励处理装置，其特征在于，包括：

训练模块，被配置为基于联合学习架构，根据参与方提供的任务需求，训练联合学习激励模型，其中，所述参与方带有数据激励系数；

第一计算模块，被配置为调取数据贡献度算法，计算所述联合学习激励模型的精度；

第二计算模块，被配置为根据所述联合学习激励模型的精度和数据激励系数，计算出每个参与方对模型的贡献比例；

确定模块，被配置为基于所述贡献比例，确定每个参与方对应数据资源分配。