精翻：https://blog.csdn.net/weixin_43978453/article/details/104947600
挑战：客户端自身存在计算与通信成本，不给足够的好处不愿意参与训练。
方法：基于合约理论设计了一种激励机制，可有效激励有着高质量数据的客户端加入联邦学习。
思路：贡献的资源映射成适当报酬，客户端能从服务器获得多少报酬取决于自己本地数据的准确性、可靠性以及资源贡献程度
贡献：1、设计了有效激励机制，在信息不对称条件下激励移动设备加入训练；2、本地数据的质量相关参数定义为契约模型的类型，具有高精度、可靠的本地数据的高类型数据拥有者可以获得更高报酬；3、手写数据集验证此机制
数据质量定义：数据所有者n的类型。 作者的意思是：质量越好的，客户端模型的局部迭代次数越少。
任务发布者为不同type的数据所有者，不同data quality的数据所有者设计特定的合同
计算资源贡献大，局部model训练快，回报越高
数据所有者可以选择签署一个提供的合同，并完成给定的联邦学习任务，若未完成或行为不当，将被列入黑名单并扣留付款。
标签：03,Theory,Contract,贡献,Learning,联邦,数据,所有者,客户端 From： https://www.cnblogs.com/2506406916zhy/p/17108388.html