基于斯塔克伯格博弈激励机制的纵向联邦随机森林模型训练方法、系统、设备及介质

本发明公开一种基于斯塔克伯格博弈激励机制的纵向联邦随机森林模型训练方法、系统、设备及介质，属于网络空间安全领域，其模型训练方法通过样本采样、特征采样、及模型训练及模型融合四个阶段完成随机森林模型的训练，并通过主动方支付上限定义被动方支付策略，其次定义决策树模型的效益，最终计算主动方的目标函数，通过两阶段斯塔克伯格博弈的激励机制，实现了对联邦学习任务中的参与方的激励，主动方通过设定合理的激励策略和目标，以激励被动方的参与和付出数据，从而提高整体的联邦学习效果和模型性能；系统、设备及介质用于实现该方法；本发明安全性和公平性高，同时保证了全局模型的性能。