[发明专利]数据贡献度评估方法、装置、设备及存储介质

权利要求书

1.一种数据贡献度评估方法，其特征在于，包括第一参与方与第二参与方，第一参与方与其他第二参与方进行联邦连接，所述数据贡献度评估方法包括：

联合第一参与方的待检测的第一数据以及其他第二参与方的第二数据，确定第一目标联邦学习模型，以得到对应的第一基础模型性能度；

生成所述第一数据的对抗数据；

联合所述对抗数据以及所述第二数据，确定第二目标联邦学习模型，以得到对应的第一对抗模型性能度；

根据所述第一基础模型性能度以及所述第一对抗模型性能度，评估所述第一数据的贡献度。

2.如权利要求1所述的数据贡献度评估方法，其特征在于，所述生成所述第一数据的对抗数据的步骤，包括：

获取所述第一数据的第一标签内容，并将所述第一标签内容替换为其他标签内容；

将所述其他标签内容与所述第一数据的第一标签内容外的其他数据组合生成对抗数据。

3.如权利要求2所述的数据贡献度评估方法，其特征在于，所述对抗数据包括多组；

所述联合所述对抗数据以及所述第二数据，确定第二目标联邦学习模型，以得到对应的第一对抗模型性能度的步骤，包括：

每次联合多组中的一组对抗数据以及所述第二数据，以确定多个第二目标联邦学习模型，以得到对应多个目标模型性能度；

对所述多个目标模型性能度进行均值处理，得到均值模型性能度；

将所述均值模型性能度设置为所述第一对抗模型性能度。

4.如权利要求1所述的数据贡献度评估方法，其特征在于，所述根据所述第一基础模型性能度以及所述第一对抗模型性能度，评估所述第一数据的贡献度的步骤，包括：

获取第二平均模型性能差值，所述第二平均模型性能差值由其他第二参与方的第二基础模型性能度以及第二对抗模型性能度确定；

根据所述第一基础模型性能度，所述第一对抗模型性能度，以及所述第二平均模型性能差值，评估所述第一数据的贡献度。

5.如权利要求4所述的数据贡献度评估方法，其特征在于，所述第二平均模型性能差值为多个，所述根据所述第一基础模型性能度，所述第一对抗模型性能度，以及所述第二平均模型性能差值，评估所述第一数据的贡献度的步骤，包括：

根据所述第一基础模型性能度，所述第一对抗模型性能度，确定第一平均模型性能差值；

加和处理所述第一平均模型性能差值以及所述多个第二平均模型性能差值，得到加和平均模型性能差值；

基于所述加和平均模型性能差值，以及所述第一平均模型性能差值，确定所述第一参与方的相对模型性能差值；

将所述相对模型性能差值设置为所述第一数据的贡献度。

6.如权利要求2所述的数据贡献度评估方法，其特征在于，所述第一标签内容包括分类标签内容，数值输出标签内容，图片输出标签内容，所述将所述其他标签内容与所述第一数据的第一标签内容外的其他数据组合生成对抗数据的步骤，包括：

确定所述第一目标联邦学习模型的任务类型；

若任务类型为分类识别任务，则将所述其他标签内容与所述第一数据的分类标签内容外的其他数据组合生成对抗数据；

或者若任务类型为回归任务，则将所述其他标签内容与所述第一数据的数值输出内容外的其他数据组合生成对抗数据；

或者若任务类型为图片输出任务，则将所述其他标签内容与所述第一数据的图片输出标签内容外的其他数据组合生成对抗数据。

7.一种数据贡献度评估方法，其特征在于，应用于第三方，所述第三方分别与第一参与方和其他第二参与方进行通信连接，所述数据贡献度评估方法包括：

获取其他第二参与方的第二基础模型性能度以及第二对抗模型性能度，并接收第一参与方的第一基础模型性能度以及第一对抗模型性能度；

根据所述第一基础模型性能度，所述第一对抗模型性能度，所述第二基础模型性能度以及所述第二对抗模型性能度，确定第一参与方的相对模型性能差值，以评估所述第一数据的贡献度；

将所述第一数据的贡献度发送给所述第一参与方。