基于声誉意识激励机制的分层联邦模型训练方法

本发明公开了一种基于声誉意识激励机制的分层联邦模型训练方法，包括：云服务器CS将全局训练任务发送到边缘服务器ES并传递到终端设备ED；根据每个ED在联盟区块链的历史训练记录，计算每个ED的声誉值；CS确定发送给ES的单位服务价格P；根据P，每个ES确定总奖励策略；每个ED根据ES的总奖励策略以及ED的单位训练成本和声誉值选择最优ES；通过Stackelberg博弈确定每个ED的训练数据量并采用逆向推导调整单位服务价格和总奖励策略；模型训练完成CS将奖励分配给参与模型聚合的ES，ES将奖励分配给参与训练任务的ED；参与训练任务的每个ED的本次训练声誉值被计算并记录到区块链中。从而确保在训练过程中每个参与者贡献的数据数量和质量，提高模型训练的性能。