联邦学习与竞争市场中的搭便车行为

联邦学习（Federated Learning, FL）是一种在保护用户数据隐私的前提下进行大规模模型训练的协作技术。尽管其具有显著的优势，但搭便车行为在竞争性市场中对联邦学习的形成构成了重大挑战。本文探讨了搭便车行为在竞争市场中如何影响企业形成联邦学习的激励问题。通过形成联邦学习，竞争企业可提升技术水平，以提高其产品性能，这进而影响消费者的产品选择和市场规模。关键问题在于，搭便车行为是否会劝退参与企业的信息贡献，导致联邦学习的解体；即使搭便车行为并不劝退信息贡献，企业在竞争市场中是否仍然愿意形成联邦学习，也并非必然，因为搭便车可能重塑每家参与企业的竞争位置，从而导致形成联邦学习并不一定具有盈利性。我们构建了一个简洁的博弈论模型来刻画这些相互作用，分析结果显示出几个新发现。首先，即便存在搭便车行为，竞争企业在联邦学习下仍然最优地贡献其可用信息。其次，信息量较少的企业总体上找到形成搭便车的利润；whether其对手（拥有更多信息的企业）是否形成联邦学习的激励，仅在竞争程度或信息量差距不大时才存在。第三，当联邦学习形成时，存在一种“全赢”局面，所有利益相关方（参与企业、消费者和社会计划者）都能获益。第四，搭便车企业的补贴只有在竞争程度处于中等水平时，才可能使其对手形成联邦学习的激励得到对齐。