基于联邦学习的移动通信资源管理:方法、进展与展望

作者：孙恩昌; 张卉; 何若兰; 张冬英; 张延华

来源：北京工业大学学报, 2022, 48(07): 783-793.

• 联邦学习
• 共享数据
• 数据隐私
• 移动通信
• 资源管理
• 机器学习

由于联邦学习(federated learning, FL)具有在参与方不共享数据的情况下即可进行模型训练，在保护数据隐私的同时，实现有效的资源管理等特点，FL已成为移动通信资源管理领域的研究热点之一.因此，对FL在移动通信资源管理中的方法、进展与展望进行综述与分析.首先，在引入FL基本概念的基础上，重点对FL在分布式无线网络、移动边缘网络、车联网、雾无线接入网络和超密集网络场景中资源管理方法的性能进行讨论，并分析其优缺点；然后，结合FL在移动通信资源管理领域的研究进展，讨论FL面临的挑战并提出可行的解决方案；最后，展望FL在移动通信资源管理领域潜在的发展方向.

• 单位
  北京工业大学