[发明专利]一种联邦学习中特征贡献度的确定方法、装置及电子设备

权利要求书

1.一种联邦学习中特征贡献度的确定方法，其特征在于，应用于联邦学习模型训练系统中的第一设备，所述系统还包括第二设备，所述方法包括：

在所述联邦学习模型训练完成后，获取本地用于训练所述联邦学习模型的第一训练样本所包括的各个第一特征以及每个第一特征所对应的权重；

基于所述每个第一特征及其对应的权重，计算该第一特征对应的夏普利值，作为该第一特征对应的贡献度；

获取所述第二设备对应的第二训练样本所包括的各个第二特征对应的夏普利值，作为所述第二特征对应的贡献度；

根据所述第一特征对应的贡献度以及所述第二特征对应的贡献度，确定每个特征对应的重要程度，其中，所述重要程度用于确定所述联邦学习模型的输入信息的组成。

2.根据权利要求1所述的方法，其特征在于，所述获取所述第二设备对应的第二训练样本所包括的各个第二特征对应的夏普利值的步骤，包括：

获取所述第二设备对应的用于训练所述联邦学习模型的第二训练样本所包括的各个第二特征以及每个第二特征所对应的权重，并基于所述每个第二特征及其对应的权重，计算该第二特征对应的夏普利值；或，

接收所述第二设备发送的用于训练所述联邦学习模型的第二训练样本所包括的各个第二特征对应的夏普利值，其中，所述第二特征对应的夏普利值为所述第二设备基于所述每个第二特征及其对应的权重计算得到的。

3.根据权利要求1所述的方法，其特征在于，所述根据所述第一特征对应的贡献度以及所述第二特征对应的贡献度，确定每个特征对应的重要程度的步骤，包括：

将所述第一特征对应的贡献度以及所述第二特征对应的贡献度进行排序，得到排序结果；

基于所述排序结果确定每个特征对应的重要程度。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述基于所述每个第一特征及其对应的权重，计算该第一特征对应的夏普利值的步骤，包括：

计算所述每个第一特征的平均值；

基于所述平均值，按照公式对所述每个第一特征进行去中心化处理，得到处理后的第一特征，其中，Z_i为处理后的第i个第一特征，X_i为第i个第一特征，为第i个第一特征对应的平均值；

基于所述处理后的第一特征及其对应的权重，计算该第一特征对应的夏普利值。

5.根据权利要求4所述的方法，其特征在于，所述基于所述处理后的第一特征及其对应的权重，计算该第一特征对应的夏普利值的步骤，包括：

基于所述处理后的第一特征及其对应的权重，按照以下公式计算该第一特征对应的夏普利值：

其中，为第i个第一特征的夏普利值，β_i为第i个第一特征所对应的权重。

6.一种联邦学习中特征贡献度的确定装置，其特征在于，应用于联邦学习模型训练系统中的第一设备，所述系统还包括第二设备，所述装置包括：

获取模块，用于在所述联邦学习模型训练完成后，获取本地用于训练所述联邦学习模型的第一训练样本所包括的各个第一特征以及每个第一特征所对应的权重；

第一计算模块，用于基于所述每个第一特征及其对应的权重，计算该第一特征对应的夏普利值，作为该第一特征对应的贡献度；

第二计算模块，用于获取所述第二设备对应的第二训练样本所包括的各个第二特征对应的夏普利值，作为所述第二特征对应的贡献度；

确定模块，用于根据所述第一特征对应的贡献度以及所述第二特征对应的贡献度，确定每个特征对应的重要程度，其中，所述重要程度用于确定所述联邦学习模型的输入信息的组成。