一种分布式联邦学习激励方法和系统

本发明提供了一种分布式联邦学习激励方法和系统，该方法包括在设定激励轮次，基于多个任务接收者的声誉值，采用斯塔克尔伯格博弈策略，分层求解得到任务发起者的最优单位资源激励和多个任务接收者的最优训练资源分配策略；该方法和系统采用斯塔克尔伯格博弈策略分层平衡任务发起者和多个任务接收者的效用，通过协调最优单位资源激励，来激励任务接收者提高贡献训练资源的行为，并允许任务接收者优化其训练资源的投入分配以平衡任务接收者自身成本和效用，实现自身效用的最大化，并利用声誉值惩罚任务接收者的搭便车行为，从而增强分布式联邦学习的任务接收者积极性、提高模型训练精度。