一种基于动态契约理论的车联网联邦学习激励方法

摘要

本发明公开了一种基于动态契约理论的车联网联邦学习激励方法，涉及联邦学习领域；采用了联邦学习架构，使数据在本地进行训练，保障了数据的隐私和安全。在采用联邦学习架构的基础上，为联邦学习服务器和车联网客户端建立了两期动态契约激励机制，在非对称信息的情况下，最大化联邦学习服务器的效用，使车联网客户端选择和自身私有信息相对应的契约，当车联网客户端选择和自身类型相对应的契约时，车联网客户端获得的效用最高。在长期合作下，考虑了车联网联邦学习的私有信息的动态变化，采用了动态契约激励机制，更适用于联邦学习服务器和车联网边缘设备之间的长期合作，在动态契约激励机制下，联邦学习服务器和车联网边缘设备会获得更高的收益。