近期，我院2019级经济信息管理专业博士研究生张沁楠与导师朱建明教授、高胜教授合作的学术论文《基于区块链和贝叶斯博弈的联邦学习激励机制》在国内顶级期刊《中国科学：信息科学》（Apr21,2022）在线发表。《中国科学》系列刊物是中国科学院和国家自然科学基金委员会共同主办、《中国科学》杂志社出版的自然科学综合性学术刊物，创刊于1950年。半个多世纪以来，立足于中国科学院，面向全国，已发展成为在学术水平、编辑质量、出版质量上的国内一流学术刊物。

本研究认为，数字经济背景下,数据已成为重要的商业资源和生产要素。目前虽然数据交易市场活跃,但受制于数据的法律属性、产权规则、价值分配、供需信任等难题,有效的数据要素流通市场尚未形成规模。联邦学习通过聚合多方本地模型成为数据共享的新模式。文章提出了一种基于区块链和贝叶斯博弈的不完全信息联邦学习激励机制,通过量化数据供给方的成本效用与数据需求方的支付报酬对数据交易过程建模,采用沙普利值实现了数据供给方报酬分配的公平性。考虑到参与个体的异质性与隐私保护需求,文章将数据供给方的资源配置策略构建为不完全信息的贝叶斯博弈模型,通过优化本地模型训练策略实现对数据供给方的激励作用。基于实际公开数据集的仿真实验与性能评估验证了激励机制的有效性。

文章构建了一个基于区块链的可信联邦学习数据交易模型，通过量化数据供给方的成本效用确定数据需求方的支付价格,实现数据模型交易撮合。针对不完全信息场景提出一种基于贝叶斯博弈的联邦学习激励机制,将数据供给方本地模型训练的资源配置策略构建为贝叶斯博弈模型,通过求解预算约束下的社会福利最大化问题得到贝叶斯纳什均衡。为保障激励机制的有效性与行动策略的可信性,文章提出一种基于区块链的隐私保护贝叶斯博弈行动策略共识算法PPBG-AC,通过贝叶斯博弈行动策略的投票共识保障了激励机制中资源配置策略的一致性与可信性。理论分析与仿真实验验证了算法的收敛性与激励机制的有效性。数字经济背景下,如何在保障数据资产隐私安全的前提下建立公平可信的数据交易市场已经成为备受关注的问题。文章所提出的基于区块链和贝叶斯博弈的联邦学习激励机制可以成为解决实际数据交易市场中供给不足问题的有效方法, 能够消除对于数据供给方的完全信息假设约束。在文章激励机制的作用下, 联邦学习数据交易市场可以得到社会福利最大化、个人理性以及预算均衡的可行解。

作者简介

张沁楠，2019级经济信息管理专业博士生，导师为朱建明教授，主要研究方向为：区块链与数字经济、联邦学习、激励机制、隐私计算。获得2021年度研究生国家奖学金。2017年7月于中央财经大学获得硕士学位，目前在新加坡科技与设计大学进行科研联合培养。以第一作者发表《中国科学 信息科学》期刊论文1篇，以第二作者（导师第一作者）发表《计算机学报》期刊论文1篇。

朱建明教授，博士生导师，国务院政府特殊津贴获得者，北京市高等学校教学名师，美国德克萨斯大学达拉斯分校访问学者，国家重点研发计划项目负责人。主要研究方向为：信息安全、区块链技术、金融科技。现兼任第八届教育部科技委委员、全国区块链和分布式记账技术标准化技术委员会委员、全国财政信息化标准化工作组成员、雄安区块链实验室学术引领委员会委员、信息技术新工科产学研联盟金融科技教育工作委员会主任，中国计算机学会区块链专业委员会常委、信息保密专业委员会委员等。

高胜教授，博士生导师，龙马青年学者。中国计算机学会（CCF）高级会员、CCF区块链专委会/计算经济专业组执行委员、中国密码学会区块链专委会委员、中国保密协会隐私保护专委会委员、信息技术新工科产学研联盟区块链工委委员。长期从事区块链技术与应用、数据安全与隐私计算等研究工作。主持或完成国家自然科学基金面上项目/青年科学基金项目、北自科面上、北社科青年（结题优秀）、国家统计局重大项目等。在ACM/IEEE Trans.，中国科学等权威期刊/会议发表论文50余篇。围绕区块链、隐私计算、数据安全等领域，申请了国家技术发明专利24项，已授权8项。参与制定了通信行业标准2项以及核心企业标准4项。曾获教育部科技进步一等奖，CCF CBC2018大会唯一最佳论文奖。

朴桂荣，2020级经济信息管理专业博士生，导师为朱建明教授，主要研究方向为：信息安全、区块链、数字经济与数字市场。2020年7月于中央财经大学获得硕士学位。以第二作者发表《IEEE Transactions on Vehicular Technology》期刊论文1篇。