面向激励联邦参与与贡献的现实机制研究
计算机科学与博弈论
2024-05-24 v3 计算机与社会
分布式、并行与集群计算
机器学习
理论经济学
摘要
边缘设备参与联邦学习（FL）通常从设备-服务器通信（例如设备掉线）的角度进行研究，并假设边缘设备具有参与 FL 的永恒意愿。因此，当前的 FL 框架在真实场景中实现时存在缺陷，许多遭遇了搭便车困境。为推动 FL 走向真实场景，我们提出 RealFM：首个（1）现实建模设备效用、（2）激励数据贡献与设备参与、（3）可证明消除搭便车困境、以及（4）放宽数据同质性及数据共享假设的联邦机制。与先前 FL 机制相比，RealFM 允许模型精度与效用之间的非线性关系，从而提升服务器与参与设备所获效用。在真实数据上，RealFM 相较基线在设备与服务器效用以及数据贡献上分别提升超过 3 个和 4 个数量级。
引用
@article{arxiv.2310.13681,
title = {Towards Realistic Mechanisms That Incentivize Federated Participation and Contribution},
author = {Marco Bornstein and Amrit Singh Bedi and Anit Kumar Sahu and Furqan Khan and Furong Huang},
journal= {arXiv preprint arXiv:2310.13681},
year = {2024}
}
备注
24 pages, 11 figures