公开(公告)号：CN116528344A

公开(公告)日：2023-08-01

申请号：CN202310501744.0

申请日：2023-05-06

Applicant: 大连理工大学

Inventor： 覃振权 ,  孟婕 ,  卢炳先 ,  王雷 ,  朱明

IPC: H04W52/34 ,  H04B13/02 ,  H04W4/38 ,  H04W16/22 ,  G06N3/098 ,  G06N5/04

Abstract: 本发明属于边缘计算技术领域，公开了一种基于动态博弈的联邦学习激励算法。首先对水下节点的隐私敏感度、能量损耗模型进行建模；其次，对参与节点的学习质量进行评估，选择高质量的节点参与联邦学习任务；然后使用扩展式博弈模型和重复博弈模型对参与节点决策过程进行建模，获得各参与节点训练策略的最优解，以此作为选择训练数据集大小和参与节点数量的依据；最后按照最优策略执行本地模型训练和聚合，在每次迭代中更新全局模型并记录节点历史学习质量。此外，本发明实现了水下网络能源消耗、模型精度和隐私保护之间的最佳均衡，保证了模型的训练效果、能耗和隐私损失的减少。本发明使联邦学习引入水下物联网后节点能更持续投入使用。