Un Esquema de Incentivos Sostenible para el Aprendizaje Federado

En el aprendizaje federado (FL), una federación entrena de manera distribuida un modelo colectivo de aprendizaje automático aprovechando tecnologías de preservación de la privacidad. Sin embargo, los participantes de FL necesitan incurrir en algún costo por contribuir a los modelos de FL. El entrenamiento y la comercialización de los modelos tomarán tiempo. Por lo tanto, habrá retrasos antes de que la federación pueda reembolsar a los participantes. Esta descoordinación temporal entre contribuciones y recompensas no ha sido considerada por los esquemas de distribución de beneficios existentes. Para abordar esta limitación, proponemos el incentivador de FL (FLI). Este divide dinámicamente un presupuesto dado de manera contextual entre los propietarios de datos en una federación, maximizando conjuntamente la utilidad colectiva mientras minimiza la desigualdad entre los propietarios de datos, en términos de los beneficios recibidos y el tiempo de espera para recibir dichos beneficios. Comparaciones con cinco esquemas de distribución de beneficios de vanguardia muestran que FLI atrae a propietarios de datos de alta calidad y logra el mayor ingreso esperado para una federación.