科研之友
微信
新浪微博
Facebook
分享链接
摘要
无线网络将通过引入与融合人工智能技术实现网络泛在智能，已经成为普遍共识。传统集中式模型训练一般需要中央实体来负责数据的汇聚和处理工作，然而网络数据的直接共享困难、隐私需求和训练数据的传输成本较高等带来新的挑战。联邦学习作为新兴的分布式人工智能框架，可以在数据本地化前提下进行多方模型训练，成为未来无线网络实现泛在智能的重要解决方案之一。探索联邦学习在未来无线网络中的应用场景，并从通信效率提升、安全与隐私增强、模型个性化与激励机制等方面总结联邦学习与无线系统结合的研究热点，提出未来发展建议。
-
单位中国信息通信研究院; 北京理工大学
