-
题名跨机构联邦学习的激励机制综述
被引量：5
- 1
-
-
作者
王鑫
黄伟口
孙凌云
-
机构
浙江工业大学计算机科学与技术学院
浙江大学计算机科学与技术学院
-
出处
《计算机科学》
CSCD
北大核心
2024年第3期20-29,共10页
-
基金
国家重点研发计划(2020YFB0906000,2020YFB0906004)
浙江工业大学科技项目(KYY-HX-20220288,KYY-HX-20180649)。
-
文摘
联邦学习作为一种分布式机器学习,有效地解决了大数据时代的数据共享难题。其中,跨机构联邦学习是机构之间互相合作的一种联邦学习类型。如何在跨机构合作的过程中设计合理的激励机制十分重要。文中从跨机构合作的角度,对现有的跨机构联邦学习的激励机制研究进行了综述。首先介绍跨机构合作过程中的3个基本问题,即高隐私性、数据异质性、公平性,然后分析了以全局模型为中心和以参与者为中心这两种不同的跨机构合作模式下的激励机制设计方法,最后总结了影响跨机构合作稳定发展的几个影响因素,即参与者的数据演变、参与者合作关系变动和参与者的负面行为,并展望了跨机构联邦合作的未来方向。
-
关键词
跨机构联邦学习
激励机制
跨机构合作
分布式机器学习
隐私计算
-
Keywords
Cross-silo federated learning
Incentive mechanism
Cross-silo cooperation
Distributed machine learning
Privacy computing
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
TP309
[自动化与计算机技术—计算机系统结构]
-
