此次汇报的内容为最近的研究《基于可靠公平的信誉机制的分布式储能可信节点选择机制研究》的相关内容，将从科研背景、科研问题、科研目的、研究内容等几个方面展开。

科研背景
问题背景：“十四五”规划阶段将发展分布式储能列为构建能源体系中的重要一环。
研究背景：基于新型储能模式下，在目前的物理信息融合体系之下存在数据安全、隐私泄露等一系列的安全问题，并且作为数据聚合商更需要对信息系统进行隐私保护；
场景背景：基于云储能、聚合商模式中，云储能用户和云储能提供商之间的数据传输场景下存在数据安全和隐私等问题。

科研问题
对抗鲁棒性：联邦学习审核机制的缺失给恶意节点进行破坏攻击提供了可能性
协作公平性：缺乏有效的激励机制

科研目的
构建基于信誉机制的联邦学习的隐私保护框架
构建科学的信誉评估机制选择可信节点进行模型的聚合训练
采用奖励机制鼓励节点参与模型的聚合以及高质量的贡献

研究内容
(1)分布式节点i使用本地训练数据Di更新本地梯度，并上传;
(2)接收到所有参与者发送的梯度，质量检测子模块计算每个参与者i的边际损失L;
(3)将通过质量检测的所有参与者的边际损失发送到梯度聚合计算子模块;参与者的质量检测通过/失败计数发送到信誉评估模块；
(4)梯度聚合计算子模块基于其边际损失将所选参与者的局部梯度聚合为全局梯度；
(5)贡献评估利用相似度计算贡献值
(6)信誉评估利用参数③⑤⑥进行信誉值评估
(7)奖励分配利用信誉值以及节点交互次数进行奖励分配。
(8)参与者i接收分配的聚合梯度的版本，并更新本地模型。