联邦学习模拟平台中异构终端设备的动态通信协议设计与调度.pdfVIP

联邦学习模拟平台中异构终端设备的动态通信协议设计与调度1

联邦学习模拟平台中异构终端设备的动态通信协议设计与调

度

1.引言

1.1研究背景与意义

随着物联网（IoT）和移动互联网的快速发展，终端设备的数量呈爆发式增长，这

些设备在性能、资源和通信能力上存在显著差异，呈现出高度异构性。例如，智能手表

的计算能力和存储容量有限，而智能手机和智能汽车的性能则相对强大。这种异构性给

设备间的通信和协作带来了巨大挑战。

联邦学习作为一种分布式机器学习框架，允许异构终端设备在不共享数据的情况

下协作训练模型，有效解决了数据隐私和安全问题。然而，异构终端设备的动态通信协

议设计与调度是联邦学习中的关键问题。研究表明，通信开销在联邦学习中占据了总训

练时间的40%以上，且随着设备数量的增加，通信延迟和能耗问题愈发严重。例如，在

一个包含1000个设备的联邦学习场景中，若通信协议设计不合理，单次通信的平均延

迟可能高达100毫秒，导致整体训练效率大幅下降。

设计高效的动态通信协议并进行合理调