面向联邦学习的6G大规模物联网资源跳跃多址方案 |
| |
作者姓名: | 张一萌 李广恺 马国玉 张婉悦 杨靖雅 汪莞乔 艾渤 |
| |
作者单位: | 1. 北京交通大学电子信息工程学院;2. 国家计算机网络应急技术处理协调中心;4. 中国电力科学研究院有限公司 |
| |
基金项目: | 国家自然科学基金委青年项目“面向铁路巡检无人机通信的毫米波时变空地信道深度学习建模方法”(62101507); |
| |
摘 要: | 随着移动设备的广泛应用和大数据的快速增长,联邦学习作为一种在分散数据环境中进行机器学习的新兴范式,吸引了越来越多的关注。同时,5G/6G均将大规模物联网场景作为其核心场景之一,以通过实现大规模设备连接来完成未来海量分散数据的实时传输。因此,6G大规模物联网可以为联邦学习中海量终端的数据处理提供有力支撑。多址技术是6G大规模物联网实现海量连接的关键,现有研究提出了多种面向大规模物联网的新型多址方案,其中资源跳跃多址方案考虑信道资源的跳跃,通过给不同用户分配不同的资源跳跃图案从而实现海量用户接入。提出了资源跳跃多址与联邦学习的结合方案,将联邦学习客户端的通信信道划分为多个子信道,然后根据其数据特征和计算资源分配资源跳跃图案。结果表明,所提出的结合方案不仅能够提高联邦学习模型的训练速度,而且能够有效保护用户数据的隐私。
|
关 键 词: | 联邦学习 大规模物联网 资源跳跃多址 |
|