(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110512015.6 (22)申请日 2021.05.11 (65)同一申请的已公布的文献号 申请公布号 CN 113268920 A (43)申请公布日 2021.08.17 (73)专利权人 西安交通大 学 地址 710049 陕西省西安市咸宁西路28号 (72)发明人 苏洲　王云涛　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 专利代理师 李鹏威 (51)Int.Cl. G06F 30/27(2020.01) G06N 20/00(2019.01) G06F 111/04(2020.01)(56)对比文件 笪可宁等.基 于关系契约视角的建 设项目激 励问题动态博弈分析. 《沈阳建筑大 学学报(社会 科学版)》 .2013,(第0 3期),全文. 张勇等.声誉效应与经理报酬契约的关系研 究. 《数学的实践与认识》 .20 04,(第12期),全 文. 审查员 李思彤 (54)发明名称 一种基于联邦学习的无人机群感知数据安 全共享方法 (57)摘要 本发明公开了一种基于联邦学习的无人机 群感知数据安全共享方法， 基于契约理论设计针 对不同类型无人机的最优契约； 无人机根据自身 类型选择最优契约进行本地模型训练得到本地 模型参数更新， 并将本地模型参数更新传输至联 邦学习服务器； 联邦学习服务器对接收的本地模 型参数更新进行本地模型质量评估， 根据评估结 果设计模型鲁棒聚合规则和模型效益公平分配 规则， 根据模型鲁棒聚合规则进行模型聚合， 根 据模型效益公平分配规则进行效益分配； 联邦学 习服务器根据本地模型质量评估对无人机进行 动态声誉管 理。 本发明能提高无人机在联邦学习 中的通信效率， 激励无人机用户的参与， 抵御搭 便车现象和拜占庭攻击， 实现高效的和隐私保护 的无人机感知数据共享。 权利要求书4页 说明书11页 附图4页 CN 113268920 B 2022.12.09 CN 113268920 B 1.一种基于联邦学习的无 人机群感知数据安全 共享方法， 其特 征在于， 包括： 基于契约理论设计 针对不同类型 无人机的最优契约， 以激励无 人机参与联邦学习； 无人机根据自身类型选择最优契约进行本地模型训练得到本地模型参数更新， 并将所 述本地模型参数 更新传输 至联邦学习服 务器； 联邦学习服务器对接收的所述本地模型参数更新进行本地模型质量评估， 根据评估结 果设计模型鲁棒聚合规则和模型效益 公平分配规则， 根据所述模型鲁棒聚合规则进行模型 聚合， 根据所述模型效益公平分配规则进行效益分配； 联邦学习服 务器根据本地模型质量评估 对无人机进行动态声誉管理； 所述基于契约理论设计 针对不同类型 无人机的最优契约， 具体为： 根据无人机的不同类型建立契约模型； 根据所述契约模型界定用户效用函数； 根据所述用户效用函数， 利用契约理论设计所述 最优契约； 所述契约模型 具体为： 式中， 是每个全局训练轮的最大等待时间； ζk是分配给参与的无人机的模型收益的 比例； 为一系列数据 ‑价格契约菜单， Ωj， k＝(sj， k， pj， k)是对类型j的无人机 契约项， sj， k为训练数据大小， pj， k为价格奖励； 所述根据所述契约模型界定用户效用函数， 具体为： 类型j的无 人机选择契约项Ωj， k的效用函数为收益与成本之差： 式中， 是类型j的无人机在任务k的第n次全局训练轮中的模型训练和传输时间； 是类型j的无人机的声誉值； 为参与任务的无人机的声誉阈值； cj为类型j的无人机 的边际数据使用成本； 联邦学习任务 k的发布者的效用函数如下： 式中， λs是满意度系数； Ij是类型j的无人机数量； 是类型j的无人机的声誉值； qj， k是 类型j的无人机的数据质量； 求和式内第一项是与训练样本数量成对数函数关系的用户满 意度， 第二项是支付给 所有参与训练的无 人机的总费用； 二进制变量 和βj， k分别表示： 所述根据所述用户效用函数， 利用契约理论设计所述 最优契约， 具体为： 最优契约设计问题为最大化联邦学习 任务发布者的效用函数， 同时对不同类型的无人权　利　要　求　书 1/4 页 2 CN 113268920 B 2机满足个人理性约束和激励相容约束； 将所述最优契约设计问题简化得到松弛的最优契约设计问题， 求解所述松弛的最优契 约设计问题得到数据 ‑价格契约的最优松弛解； 对所述数据 ‑价格契约的最优松弛解进行动态指派， 得到最优契约设计问题的最优解， 完成所述 最优契约的设计。 2.根据权利要求1所述的一种基于联邦学习的无人机群感知数据安全共享方法， 其特 征在于， 所述数据 ‑价格契约的最优松弛解 为： 对 所述松弛的最优契约设计问题的最优契约数据大小和最优契约价格分别 为： 和 对 所述松弛的最优契约设计问题的最优契约数据大小和最优契约价格分别 为： 和 式中， 3.根据权利要求2所述的一种基于联邦学习的无人机群感知数据安全共享方法， 其特 征在于， 所述动态指派， 具体为： 找出 中任意递增子序列 调整该递增子序列中每一项为 直到 中不存在任意递增子序列， 停止动态指派， 得到最优契约数据大小 为指派后的 计 算最优契约价格 4.根据权利要求3所述的一种基于联邦学习的无人机群感知数据安全共享方法， 其特 征在于， 所述将所述本地模型参数 更新传输 至联邦学习服 务器， 具体为： 在5G异构网络下， 无人机i计算与基站的信道信噪比状态， 智能选择U2C或U2U通信模 式， 本地模型参数 更新的无线传输时间为： 式中， zi＝{0， 1}表示无人机i的U2C或U2U通信模式选择变量， zi＝1表示无人机i处于 U2C传输模式， zi＝0表示无人机i选择U2U传输模式； 是无人机i本地模型参数更新的大权　利　要　求　书 2/4 页 3 CN 113268920 B 3