联邦学习中的数据价值确定方法及装置

本申请公开了一种联邦学习中的数据价值确定方法及装置。其中，该方法包括：获取参与联邦学习的多个目标对象的数据集合，确定每个数据集合的第一特征集合；对所有特征随机有放回抽取，生成多个第二特征集合作为训练样本，并依据联邦学习结果确定样本标签；利用训练样本和样本标签，训练基于因子分解机的数据价值评估模型，确定模型参数，包括不同输入特征的特征权重及多维空间下的隐向量矩阵，模型用于预测联邦学习结果；依据每个目标对象的第一特征集合、特征权重和隐向量矩阵，计算并归一化各特征的价值评分，求和得到目标对象在联邦学习中的贡献价值。本申请解决了联邦学习场景中针对各个参与方提供的数据的价值难以准确进行评估的技术问题。