【技术实现步骤摘要】
基于联邦学习的节点激励方法、装置、系统及存储介质
[0001]本专利技术实施例涉及计算机
，尤其涉及一种基于联邦学习的节点激励的方法、装置、系统及存储介质。
技术介绍
[0002]联邦学习(Federated Learning)是一种分布式机器学习框架，其支持多个节点在不交换本地数据的情况下协作训练模型。
[0003]在目前的工作中，只有一个联邦学习任务发布者和多个客户端。任务发布者通过奖励激励客户参与联邦学习。如果出现了多个任务发布者，由于现有技术下缺乏有效的激励机制，这些任务发布者都希望别人去“训练模型”，自己成为“坐享其成”者，进而可能会导致无人参与训练，极大的降低了训练效率。
[0004]因此，需要一种基于联邦学习的节点激励方法，以解决上述问题。
技术实现思路
[0005]鉴于此，为解决现有技术中上述技术问题，本专利技术实施例提供基于联邦学习的节点激励的方法、装置、系统及存储介质。
[0006]第一方面，本专利技术实施例提供基于联邦学习的节点激励的方法，该方法包括：
[0007]获取各个节点的属性，其中，属性包括发布任务属性和处理任务属性；
[0008]获取节点属性为发布任务属性的节点上传的任务和激励参数，并调用全部节点进行处理，确定处理结果；
[0009]基于处理结果，确定各个节点的沙普利值；
[0010]基于各个节点属性为发布任务属性的节点，各个沙普利值和激励参数，确定各个节点属性为发布任务属性的节点获得的第一激励数值；>[0011]判断各个节点中第k个节点的节点属性，获取判断结果，其中，k为正整数；
[0012]基于判断结果，各个沙普利值和激励参数，确定各个节点中第k个节点获得的第二激励数值。
[0013]整合第一激励数值和第二激励数值，对各个节点进行激励。
[0014]在一个可能的实施方式中，基于处理结果，确定各个节点的沙普利值，包括：
[0015]将各个节点中第i个节点对应处理结果送入至预配置的性能评估模型中，确定第i个节点对应的评估结果，其中，i为正整数；
[0016]基于各个节点对应的评估结果，利用沙普利法，分别确定每一个节点对应的沙普利值。
[0017]在一个可能的实施方式中，基于各个节点属性为发布任务属性的节点，各个沙普利值和激励参数，确定各个节点获得的第一激励数值，包括：
[0018]统计节点属性为发布任务属性的节点的节点数目；
[0019]确定各个节点属性为发布任务属性的节点中的第j个节点对应的沙普利值，在各
个节点属性为发布任务属性的节点对应的沙普利值之和中的发布占比；
[0020]基于发布占比，节点数目，以及激励参数，确定第j个节点获得的第一激励数值，其中j为正整数。
[0021]在一个可能的实施方式中，激励参数包括激励分配参数，基于判断结果，各个沙普利值和激励参数，确定各个节点中第k个节点获得的第二激励数值，包括：
[0022]若第k个节点属性为处理任务属性的节点，则根据各个沙普利值和第k个节点对应的沙普利值以及激励分配参数，确定第k个节点对应的第二激励数值，其中，k为正整数。
[0023]在一个可能的实施方式中，激励参数包括激励支出参数，方法还包括：
[0024]若第k个节点属性为发布任务属性的节点，则根据各个沙普利值，第k个节点对应的沙普利值，激励分配参数，激励支出参数，确定第k个节点对应的第二激励数值。
[0025]第二方面，本专利技术实施例提供一种基于联邦学习的节点激励装置，包括：
[0026]获取模块，用于获取各个节点的属性，其中，属性包括发布任务属性和处理任务属性；获取节点属性为发布任务属性的节点上传的任务和激励参数，并调用全部节点进行处理，确定处理结果；
[0027]处理模块，用于基于处理结果，确定各个节点的沙普利值；基于各个节点属性为发布任务属性的节点，各个沙普利值和激励参数，确定各个节点属性为发布任务属性的节点获得的第一激励数值；判断各个节点中第k个节点的节点属性，获取判断结果，其中，k为正整数；基于判断结果，各个沙普利值和激励参数，确定各个节点中第k个节点获得的第二激励数值；
[0028]激励模块，用于整合第一激励数值和第二激励数值，对各个节点进行激励。
[0029]第三方面，本申请提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器执行如第一方面中任一的方法的步骤。
[0030]第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如第一方面中任一项的方法的步骤。
[0031]本专利技术提供了一种基于联邦学习的节点激励方法，获取各个节点的属性，其中，属性包括发布任务属性和处理任务属性，获取节点属性为发布任务属性的节点上传的任务和激励参数，并调用全部节点进行处理，确定处理结果，基于处理结果，确定各个节点的沙普利值，沙普利值可以更加准确的体现各个节点对应的贡献程度，基于各个节点属性为发布任务属性的节点，各个沙普利值和激励参数，确定各个节点属性为发布任务属性的节点获得的第一激励数值，通过第一激励数值来激励各个发布任务节点，判断各个节点中第k个节点的节点属性，获取判断结果，其中，k为正整数，基于判断结果，各个沙普利值和激励参数，确定各个节点中第k个节点获得的第二激励数值，整合第一激励数值和第二激励数值，对各个节点进行激励。通过第一激励数值和第二激励数值结合，完成对各个节点的“按劳分配”，以激励各个节点尽可能的出更多的里，以获得更多的激励，进而提高工作效率。
附图说明
[0032]图1为本专利技术实施例提供的基于联邦学习的节点激励的方法流程示意图；
[0033]图2为本专利技术实施例提供的确定沙普利值的方法流程示意图；
[0034]图3为本专利技术实施例提供的确定第一激励数值的方法流程示意图；
[0035]图4为本专利技术实施例提供的基于联邦学习的节点激励的装置结构示意图；
[0036]图5为本专利技术实施例提供基于联邦学习的节点激励的系统结构示意图。
具体实施方式
[0037]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0038]为便于对本专利技术实施例的理解，下面将结合附图以具体实施例做进一步的解释说明，实施例并不构成对本专利技术实施例的限定。
[0039]图1为本专利技术实施例提供的基于联邦学习的节点激励的方法流程示意图，该方法步骤执行过程，具体可以参见图1所示，该方法包括：
[0040]步骤本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于联邦学习的节点激励方法，其特征在于，包括：获取各个节点的属性，其中，所述属性包括发布任务属性和处理任务属性；获取节点属性为发布任务属性的节点上传的任务和激励参数，并调用全部节点进行处理，确定处理结果；基于所述处理结果，确定各个所述节点的沙普利值；基于各个所述节点属性为发布任务属性的节点，各个所述沙普利值和所述激励参数，确定各个节点属性为发布任务属性的节点获得的第一激励数值；判断各个所述节点中第k个节点的节点属性，获取判断结果，其中，k为正整数；基于所述判断结果，各个所述沙普利值和所述激励参数，确定各个所述节点中第k个所述节点获得的第二激励数值；整合所述第一激励数值和所述第二激励数值，对各个所述节点进行激励。2.根据权利要求1所述的方法，其特征在于，所述基于所述处理结果，确定各个所述节点的沙普利值，包括：将各个所述节点中第i个所述节点对应所述处理结果送入至预配置的性能评估模型中，确定第i个所述节点对应的评估结果，其中，i为正整数；基于各个节点对应的评估结果，利用沙普利法，分别确定每一个节点对应的沙普利值。3.根据权利要1或2所述的方法，其特征在于，所述基于各个所述节点属性为发布任务属性的节点，各个所述沙普利值和所述激励参数，确定各个所述节点获得的第一激励数值，包括：统计所述节点属性为发布任务属性的节点数目；确定各个所述节点属性为发布任务属性的节点中的第j个节点对应的沙普利值，在各个所述节点属性为发布任务属性的节点对应的沙普利值之和中的发布占比；基于所述发布占比，所述节点数目，以及所述激励参数，确定第j个所述节点获得的第一激励数值，其中j为正整数。4.根据权利要求1或2所述的方法，其特征在于，所述激励参数包括激励分配参数，所述基于所述判断结果，各个所述沙普利值和所述激励参数，确定各个所述节点中第k个所述节点获得的第二激励数值，包括：若第k个所述节点属性为处理任务属性的节点，则根据各个所述沙普利值和第k个所述节点对应的沙普利值以及所述激励分配参数，确定第k个所述节点对应的第二激励数值，其中，k为正整数。5.根据权利要求1或2所述的方法，其特征在于，所述激励参数包括激励支出参数，所述方法还包括：若第k个所述节点属性为发布任务属性的节点，则根据各...
【专利技术属性】
技术研发人员：石聪聪，黄秀丽，高先周，于鹏飞，郭骞，
申请(专利权)人：国网上海市电力公司国家电网有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。