原创力文档摘要
摘要
物联网技术快速发展，海量终端数据推动分布式学习在边缘计算场景广泛应用。移动
边缘计算将资源部署在网络边缘，有效降低服务时延和带宽消耗，为实时业务提供有力支
撑。联邦学习以数据不动模型动为核心，作为分布式训练范式，与边缘计算架构天然适配，
可减少数据传输并保护隐私，是边缘协同学习的重要技术途径。然而，边缘联邦学习实际
部署中，隐私安全与系统性能难以兼顾。边缘节点算力、能耗有限，传统隐私保护方法开
销大、适配性差。现有联
摘要
摘要
物联网技术快速发展，海量终端数据推动分布式学习在边缘计算场景广泛应用。移动
边缘计算将资源部署在网络边缘，有效降低服务时延和带宽消耗，为实时业务提供有力支
撑。联邦学习以数据不动模型动为核心，作为分布式训练范式，与边缘计算架构天然适配，
可减少数据传输并保护隐私，是边缘协同学习的重要技术途径。然而，边缘联邦学习实际
部署中，隐私安全与系统性能难以兼顾。边缘节点算力、能耗有限，传统隐私保护方法开
销大、适配性差。现有联
文档评论（0）