【五期李偉平】CCF-A（TMC'22）Enabling Long-Term Cooperation in Cross-Silo Federated Learning: A Repeated Game Perspective
?? 針對重復(fù)執(zhí)行跨筒倉聯(lián)邦學(xué)習(xí)過程中如何保持客戶積極參與（增加訓(xùn)練時使用的數(shù)據(jù)量、減少搭便車行為），本文提出合作的、子博弈完美納什均衡（SPNE）的無限重復(fù)博弈。本文模型將無限時間劃分為一個個時隙，一個時隙進(jìn)行一次子博弈，時隙的具體劃分有更具體的場景決定（例如銀行的一個月或醫(yī)院的一周）。客戶端的成本包括1模型精度損失2計算3通信4服務(wù)端服務(wù)費。本文首先提出一個單階段的博弈，分析博弈均衡；隨后基于單階段博弈計算重復(fù)博弈，得到重復(fù)博弈條件下單階段博弈的均衡；最后通過添加一種懲罰機制，實現(xiàn)子博弈完美均衡的重復(fù)博弈。Zhang, Ning , Q. Ma , and X. Chen . "Enabling Long-Term Cooperation in Cross-Silo Federated Learning: A Repeated Game Perspective." (2022).
?? 從論文寫作上，方案從單階段博弈到重復(fù)博弈再到子博弈完美，層層推進(jìn)，思路明確。
?? 默認(rèn)客戶端誠實上報自己的各種信息，沒有考慮錯誤報告的情況。假定各客戶端持有數(shù)據(jù)量相同，且該數(shù)據(jù)量參數(shù)在推導(dǎo)過程中比較重要。
2023年12月27日
浙公網(wǎng)安備 33010602011771號