一种联邦学习计算任务的定价和激励方法

本发明涉及联邦学习技术领域，公开了一种联邦学习计算任务的定价和激励方法，基于中心节点、服务端和多个客户端，方法包括：初始化系统环境；客户端本地构建和训练定价模型并上传参数至服务端；服务端基于联邦聚合算法得到全局模型并下发至客户端；客户端使用更新后的全局模型进行测试评估并上传评估值至服务端；服务端基于激励机制给客户端分配相应奖励。本发明解决了传统数据资源定价中单一主体定价的局限性，以及协同定价过程中协同效率低下的问题，提升了数据资源定价的准确性，间接吸引更多客户端加入训练以得到更优定价模型。