面向算力互联的光网络“联邦学习”：在保护数据隐私前提下实现多域网络智能协同.docxVIP

PAGE2

面向算力互联的光网络“联邦学习”：在保护数据隐私前提下实现多域网络智能协同

全局数据规范：全篇所有量化数据须标注来源与时间口径；历史数据须真实可溯，预测性数据须注明推断依据与关键假设；多采用表格呈现数据与对比信息。

本报告说明

随着“东数西算”工程与算力网络战略的深入推进，跨运营商、跨云商的算力互联需求激增，底层光网络作为承载算力的物理基石，其规模与复杂度呈指数级上升。然而，多域光网络的运维长期面临“数据孤岛”与“隐私壁垒”的双重困境：各运营商与云商出于商业机密与数据合规考量，无法直接共享底层的网络告警、性能监控等原始数据，导致全局AI故障预测模型缺乏跨域样本，准确率难以突破