联邦学习论文阅读笔记02 Hierarchically Fair Federated Learning，Shapley计算贡献

相关笔记：https://blog.csdn.net/wuxusanren/article/details/128651334

相关综述论文：
《A Survey of Incentive Mechanism Design for Federated Learning》
《联邦学习激励机制研究综述-梁文雅》
《A Comprehensive Survey of Incentive Mechanism for Federated Learning》
《联邦学习的公平性研究综述-朱智韬》

针对：参与者是自利的。只有得到公平回报才愿意参与

思路：提出分层公平联邦学习框架HFFL鼓励FL应用，实现贡献越多回报越大，通过多个数据集证明HFFL框架可实现公平分配。

通过数据数量、数据质量等可公开验证的因素评估参与者的贡献，开发分层公平FL框架，不同贡献分为不同等级，相同等级收敛相同模型
未来展望
a.如何处理HFFL不诚实参与者
b.如何利用迁移学习提高HFFL+的计算效率
c.量化所有的因素
d.HFFL引入差分隐私