面向智慧城市的边缘联邦学习与低开销贡献评估策略 |
| |
引用本文: | 吴家鹏,龚平,林立,林铭炜,熊金波.面向智慧城市的边缘联邦学习与低开销贡献评估策略[J].福建师范大学学报(自然科学版),2024(2):74-82. |
| |
作者姓名: | 吴家鹏 龚平 林立 林铭炜 熊金波 |
| |
作者单位: | 1. 福建师范大学计算机与网络空间安全学院;2. 福建省公共服务大数据挖掘与应用工程技术研究中心;3. 数字福建大数据安全技术研究所 |
| |
基金项目: | 国家自然科学基金资助项目(62272102);;福建省自然科学基金资助项目(2023J02014、2021J01167); |
| |
摘 要: | 为改善智慧城市中隐私泄露及算力不足的问题,提出了一种融合边缘计算的联邦学习框架,将复杂的计算任务卸载至拥有更强计算和通信能力的边缘服务器上,提高了模型训练的效率,同时也确保了数据隐私的安全。在联邦学习过程中,提出了一种节能且高效的贡献估计算法,旨在激励参与者的持续参与。与现有的贡献估计方法相比,该算法能够有效减少计算和通信开销,并准确地估计各参与者的贡献。
|
关 键 词: | 智慧城市 联邦学习 边缘计算 贡献估计 |
|
|