【五期李伟平】（IOTJ'19）Incentive_Mechanism_for_Reliable_Federated_Learning_A_Joint_Optimization_Approach_to_Combining_Reputation_and_Contract_Theory

Jiawen Kang,Zehui Xiong, Dusit Niyato, Shengli Xie, Junshan Zhang. Incentive Mechanism for Reliable Federated Learning A Joint Optimization Approach to Combining Reputation and Contract Theory. IEEE INTERNET OF THINGS JOURNAL, VOL. 6, NO. 6, pp. 10700-10714.


  这篇文章利用提出用信誉系统来帮助任务发布者选择可靠工人，使用区块链来存储过程中产生的信誉信息，利用区块链的抗篡改属性来确保信誉信息的准确可靠。设计了一个满足个体理性和激励相容的合同，激励工人最大化的提供自己的高质量数据和算力资源。

  这篇文章提出用信誉来选择工人，信誉的高低一定程度上代表了数据的质量和工人本身是否恶意；直接信誉和间接信誉结合并考虑了时效性，使得对工人保持选择可能性的同时更大地提高了工人作恶的成本。设计合同时，考虑到了工人接受任务后，任务发布者对工人处于垄断地位的情况，基于此设计的合同更能保证任务发布者收益。

  这篇文章在解释信誉机制的时候，对高信誉与高数据质量之间的关系解释不足；信誉机制的设计上，下一步可以在信誉惩罚上考虑更细致的作恶原因，对用户故意作恶进行更大的惩罚。在解释合同设计的时候，对福利支出部分的解释不足。

2022年11月10日