交易数据以学习：设备联邦学习的激励机制

Sep, 2020

交易数据以学习：设备联邦学习的激励机制

Trading Data For Learning: Incentive Mechanism For On-Device Federated Learning

Rui Hu, Yanmin Gong

TL;DR采用博弈论设计一种有效的激励机制来解决联邦学习中用户参与之间的难题，同时解决由于学习过程中隐私泄露而导致的效果下降问题。

Abstract

federated learning rests on the notion of training a global model distributedly on various devices. Under this setting, users' devices perform computations on their own data and then share the results with the cloud server to update the global model. A fundamental issue in such systems

federated learning incentive mechanism privacy leakage game theory reliable data

发现论文，激发创造

移动网络中有效联邦学习的激励设计：合同理论方法

本研究采用合同理论设计一种有效的激励机制，以促进具有高质量（即高准确性）数据的移动设备参加联合学习，并在提高学习准确性的同时，加强数据隐私保护和安全性。

May, 2019

激励联邦学习

本文介绍了一种激励机制，鼓励客户共享他们所拥有的尽可能多的数据，以提高联合学习的性能，该机制与以前的不同之处在于使用模型性能而不是数据作为激励，我们在一定的条件下理论上证明了客户将使用他们尽可能多的数据参与联合学习

May, 2022

联邦学习激励机制综述

本研究综述了联邦学习的激励机制问题，归纳了不同的机制分类，包括 Stackelberg game， auction 和 reinforcement learning，并讨论将来的研究方向。

Jun, 2021

联邦学习中有效的核心选择激励机制用于数据共享