科研之友
微信
新浪微博
Facebook
分享链接
摘要
联邦学习为物联网场景下数据隐私保护提供了一种新的研究思路。然而，由于物联网多样性终端设备在计算、存储、通信方面的异构性导致联邦学习效率不足。针对上述联邦训练过程中面临的问题，论文基于代理选举思路，提出了一种高效联邦学习算法。设计了基于马氏距离的代理节点选举策略，将设备的计算能力与闲置时长作为选举因素，选举性价比高的设备作为代理节点，充分发挥设备计算能力。进一步设计了基于代理节点的新型云边端联邦学习架构，提升了异构设备之间联邦学习效率。基于MNIST和CIFAR-10公开数据集与智能家居设备真实数据的实验表明，论文提出联邦学习方法在效率上提高了22%。
- 出版日期2023
- 单位河南大学
