面向车联网应用的高效个性化联邦学习研究.pdf

面向车联网应用的高效个性化联邦学习研究.pdf

摘要

摘要

联邦学习作为一种内生隐私保护的分布式机器学习范式,通过“数据不动,模型动”

的机制,从源头上规避了原始敏感数据的外传,并显著降低通信开销,因而被广泛引入车

联网场景。然而,真实车联网环境中的参与车辆因其数据采集设备、地理区域、行驶轨迹

及个体驾驶行为的显著差异,其本地数据集呈现出强烈的非独立同分布特性。在此类异构

环境下,传统联邦学习所依赖的单一全局模型范式往往被迫寻求一个次优折衷解,导致两

个严重后果:一方面,

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档