典型文献
一种面向电能量数据的联邦学习可靠性激励机制
文献摘要：
联邦学习解决了数据安全日益受到重视条件下的数据互用难题,但是传统联邦学习缺少鼓励和吸引数据拥有方参与到联邦学习中的激励机制,联邦学习审核机制的缺失给恶意节点进行破坏攻击提供了可能性.针对这个问题,文中提出基于区块链技术的面向电能量数据的可靠的联邦学习激励机制.该方法从对数据参与方的训练参与进行奖励和对数据参与方的数据可靠性进行评估两方面入手,设计算法对数据参与方的训练效果进行评估,从训练效果和训练成本等角度来确定数据参与方的贡献度,并根据贡献度来对参与方进行奖励,同时针对数据参与方的可靠性建立声望模型,根据训练效果对数据参与方的声望进行更新,藉此实现对数据参与方的可靠性评估.基于联邦学习开源框架和真实电能量数据进行算例分析,所得结果验证了所提方法的有效性.
文献关键词：
电力计量;联邦学习;区块链;激励机制;可靠性;声望模型
中图分类号：
作者姓名：
王鑫;周泽宝;余芸;陈禹旭;任昊文;蒋一波;孙凌云
作者机构：
浙江工业大学计算机科学与技术学院 杭州 310023;浙江大学南方电网人工智能创新联合研究中心 杭州 310058;浙江大学计算机科学与技术学院 杭州 310058;中国南方电网数字电网研究院有限公司 广州 510663
文献出处：
引用格式：
[1]王鑫;周泽宝;余芸;陈禹旭;任昊文;蒋一波;孙凌云-.一种面向电能量数据的联邦学习可靠性激励机制)[J].计算机科学,2022(03):31-38
A类：
可靠性激励,声望模型
B类：
电能量数据,联邦学习,全日,互用,审核机制,恶意节点,基于区块链技术,学习激励机制,参与方,数据可靠性,计算法,训练效果,练成,贡献度,时针,藉此,可靠性评估,开源框架,算例分析,电力计量
AB值：
0.251383
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
