基于激励机制的自主调节与数据均衡联邦学习系统及方法

本发明属于联邦学习技术领域，具体涉及基于激励机制的自主调节与数据均衡联邦学习系统及方法。系统包括：全局异质性感知的客户端筛选模块，用于通过全局标签分布偏移感知机制，实现对客户端数据质量的动态评估与筛选控制；服务器端效用评估与反向拍卖模块，用于量化客户端对全局模型训练的实际贡献价值，并通过拍卖机制实现激励资源的分配；客户端参与率自适应调节模块，用于基于效用函数引导客户端根据自身历史收益与成本，自主优化参与频率，实现长期参与行为。本发明具有以激励机制为核心，联合建模客户端的数据特征与参与行为，动态识别高价值参与者，并通过可验证的回报策略提升系统稳定性与模型性能的特点。