CN114116707B 确定联合学习中参与方贡献度的方法及装置 （新奥新智科技有限公司）

US2021312307A1,2021确定联合学习中参与方贡献度的方法及装置本公开提供了一种确定联合学习中参与方断是否采用插值函数对新参与方组的效用值进贡献值，直至计算得到收敛后的参与方的贡献2基于联合学习的架构，生成多个参与方组，并确定由多个所述参与确定所述联合学习中的聚合周期，获取所述聚合周期前后联当判断结果为是时，利用所述参与方组集合中的参与方组随机生成一个全排列组合，基于更新后的查找表，计算所述参与方的边际贡献值，并判根据所述贡献值确定所述参与方在所述联合学习中按照所述参与方顺序将所述全排列组合划分成多个子组合，并确定所述全计算所述边际贡献值的估计值与所述参与方组的权重基于历史迭代过程中计算的所述子组合的效用值、以3对所述新参与方组的模型参数进行聚合，并对所述新参与方组的模型进行模型推演，对所述新参与方组中的每一个所述参与方的权重进行聚合，得到所述新参与方组的权重，确定联合学习中的所有参与方，将所述参与方按照数量从少针对所述联合学习中的每一个所述聚合周期，确定所述聚合周对所述查找表执行初始化操作，以使所述查找表中除空集参与方组将所述聚合周期前后对应的联合学习模型的效用变化值与预设的第一截断阈值进行根据所述更新后的查找表中所述参与方加入所述子组合后的效用值其中，所述贡献值用于表示所述参与方在所述联合学习中4建立模块，被配置为确定所述联合学习中的聚合周期，获取所述聚5统基于各参与方的本地数据量，来确定各参与方在联合学习中对联合学习模型的贡献度。[0005]有鉴于此，本公开实施例提供了一种确定联合学习中参与方贡献度的方法及装6否采用插值函数对参与方加入子组合后形成的新参与方组的效用值进行计算；更新模块，7[0018](1)参与节点控制自有数据的弱中心化联合训练模式，确保共创智能过程中的数方加入参与方组时产生的边际贡献值，对联合学习中各参与方的贡献度进行计算的方法。[0025]下面将结合附图详细说明根据本公开实施例的一种确定联合学习中参与方贡献8[0028]图2是本公开实施例提供的确定联合学习中参与方贡献度的方法的流程示意图。图2的用于联合学习中确定参与方贡献度的方法可以由联合学习的服务器执行。如图2所采用插值函数对参与方加入子组合后形成的新参与方组的效用备上具有联合学习参与方的客户终端，但参与方设备并不局限于上述这些设备或者客户[0035]进一步地，参与方组是指在联合学习中所有参与方的个9算的循环过程进行详细说明，图3是本公开实施例提供的计算参与方贡献值的程序流程示成多个子组合，并确定全排列组合中的子组合的最后一个参与方所对应的下一个参与方，产生的边际贡献的估计值。在实际应用中，可以采用以下公式对边际贡献进行估计，即+1个参与方加入子组合S时产生的边际贡献值做一次循环，直至对当前全排列组合中的每[0046]计算第j+1个参与方加入子组合S时产生的边际贡献值与子组合S对应的权重的乘[0047]也就是说，如果第j+1个参与方加入子组合S时产生的边函数的方式计算新参与方组的效用值，还是采用模型推演的方式计算新参与方组的效用并对新参与方组的模型进行模型推演，对新参与方组中的每一个参与方的权重进行聚合，据该计算公式得到新参与方组的真实效用值并更新查找表v_lut[S∪{j+1}]＝V(S∪{j+如果则表示当前全排[0058]基于以上实施例中全排列组合P中各个参与方的贡献值的计算过程，将所有的全[0061]Shapley值(即沙普利值)考虑个体i加入子组合的全部可能的顺序，其中N表示全/|应的权重可以认为是该子组合在整体参与方组中[0072]进一步地，在对查找表执[0073]在一些实施例中，根据效用变化值判断是否计算聚合周期内各个参与方的贡献算器大于或等于2(即连续两轮聚合周期所产生的聚合模型的效用变化值均小于阈值)，则[0078]图4是本公开实施例提供的确定联合学习中参与方贡献度的装置的结构示意图。权重，判断是否采用插值函数对参与方加入子组合后形成的新参与方组的效用值进行计[0086]在一些实施例中，图4的更新模块404基于历史迭代过程中计算的子组合的效用为参与方组集合，并基于每一个参与方组中参与方的数量计算每一个参与方组对应的权的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序503在通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现场可编程门阵列(Field-分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器[0104]集成的模块/单元如果以软件功能单元的形式实现并作为独立的