联邦学习框架实现难点剖析

作     者：董耀众 褚晨曦 刘文婷 李济伟 李伟良 Dong Yaozhong;Chu Chenxi;Liu Wenting;Li Jiwei;Li Weiliang

作者机构：国家电网有限公司信息通信分公司北京100761 

出 版 物：《电子测试》 (Electronic Test)

年 卷 期：2022年第36卷第11期

页      码：129-131页

摘      要：联邦学习是一种保护机密性的机器算法,可有效的应用于工业物联网。在联邦学习中,服务器协调多个客户端以进行模型学习。区块链在物联网和联邦学习中使用,可以有效的保持数据完整性,并吸引足够的数据和计算资源。机器学习已经发展阶段,大量高质量数据已成为限制发展的因素。在此背景下,对数据交换需求不断增长。传统的机器学习需要集中数据,对于数据孤岛和隐私要求,使各个业务部门无法做到交换数据。为了解决这个问题,联邦学习框架应运而生,本文分析了联邦学习框架的设计应用,分析了现行联邦学习框架存在的实现难点,以便相关人士更好地理解联邦学习框架。

主 题 词：联邦学习框架 实现难点 剖析 

学科分类：08[工学] 0839[0839] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1000-8519.2022.11.038

馆 藏 号：203113374...