面向6G网络的联邦学习资源协作激励机制设计
第6代(6G)移动通信在满足人类智能通信需求的同时,?也给用户数据的安全与隐私保护带来了极大挑战.为此,基于联邦学习的分布式机器学习架构应运而生.然而,?在联邦的模型训练过程中,?移动设备会产生大量计算和通信开销.自私的移动设备不愿意参与模型训练,?这将降低联邦学习性能.本文基于迭代双边拍卖设计了一种有效的联邦学习资源协作激励机制,?任务计算终端作为卖方,?任务请求终端作为买方,?本地接入点根据买卖双方的出价做出模型训练时延和相应定价决策,?在买卖双方信息非对称情况下最大化联邦学习市场总效用.仿真实验表明,?所提机制具有良好的收敛性,?可显著提高联邦学习的准确率,?同时降低训练损失.
6G网络;安全与隐私保护;联邦学习;资源协作;迭代双边拍卖
28
TN929.5
国家重点研发计划项目;移动通信教育部工程研究中心开放研究项目
2021-12-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
47-52,83