核心概念
IP-FLは、クライアントに魅力的なパーソナライズモデルを提供することで、一貫した参加を促すインセンティブを提供することにより、パーソナライズ化連合学習(pFL)における課題に対処します。
要約
IP-FL: インセンティブに基づくパーソナライズ化連合学習
この論文では、パーソナライズ化連合学習(pFL)におけるインセンティブ提供の課題に対処するため、クライアントに魅力的なパーソナライズモデルを提供することで一貫した参加を促す、IP-FLと呼ばれる新しい手法が提案されています。
従来のpFL手法では、クライアントの積極的な参加を促すインセンティブの仕組みが欠如しているため、低品質なデータ提供や参加拒否といった問題が生じていました。
本研究では、パーソナライズ化とインセンティブを相互に関連する課題として捉え、パーソナライズ化された学習を促進するインセンティブメカニズムを備えたpFLフレームワークを開発することを目的としています。
IP-FLは、プロファイラー、トークンマネージャー、スケジューラーという3つの主要モジュールで構成されています。
プロファイラー: Shapley Value近似を用いてクライアントの貢献度を計算・維持し、クラスタ形成を支援します。
トークンマネージャー: オークション、報酬、払い戻しトランザクションを処理します。
スケジューラー: 入札と貢献度に基づいてクライアントを選択し、均質性を向上させるためにクラスタリングを行います。
クライアントは、クラスタモデルから重要度重みを計算し、クラスタ参加のための選好入札をトークンマネージャーに提出し、パーソナライズモデルを生成します。クライアントは、最も貢献できるクラスタを選択することで利益を最大化しようとします。