【免费】Federatedlearningenables6GcommunicationtechnologyRequirem资源-CSDN文库

需积分: 0 117 浏览量 2024-05-14 13:41:35 上传评论收藏 2.18MB DOCX 举报

资源推荐

资源详情

资源评论

亚历山大工程杂志 91（2024）658–668

正文部分：

1. 介绍促进工业 4.0 和即将到来的工业 5.0 启示的各种技术。鲍尔实验室的第一代（1 G）网络开发在

通信方面有五项更新近几十年来，通信技术随着

缩写:2D，二维；3D，三维；第一代 1G；2G，第二代；3G，第三代；4G，第四代；5G，第五

代；6G，六代；AI，人工智能；接入点；AR、增强现实；AutoFL，自动化联邦学习；基带处理单

元；BS，基站；CL，集中学习；面向通信的体系结构；协作多点；DL，深度学习；DP，差分隐

私；EMBB，增强型移动宽带；EV，电动汽车；FL，联邦学习；联邦神经架构搜索；GPS，全球定

位系统；LDP，本地差分隐私；ML，机器学习；MMTC，大规模机器类型通信；MRAT，多无线电

接入技术；NAS，神经架构搜索；R&D，研究和开发；射频、无线电频率；SBA，基于服务的架

构；SMV，支持向量机；无人机、无人机；超可靠的低延迟通信；VR，虚拟现实。

*通讯作者

电子邮件地址:mkhasan@ukm.edu.my 哈桑先生，ahasan.diu.eee@gmail.com 又名哈比卜，

shayla@ucsiuniversity.edu.my 伊斯兰教，nurhizam@ukm.edu.my 萨菲，ghazal1000@gmail.com 加扎勒，

attique.khan@ieee.org（M.A .汗），ahmed@ksu.edu.sa（临时代理人阿尔扎拉尼），nalalwan@ksu.edu.sa

阿拉万，skadry@gmail.com（卡德里），anum.masood@ntnu.no（马苏德。

https://doi.org/10.1016/j.aej.2024.02.044

2023 年 12 月 5 日收到；2024 年 2 月 5 日收到修订版；2024 年 2 月 21 日接受

2024 年 3 月 1 日上线

1110-0168/ 2024 作者。由 Elsevier BV 代表亚历山大大学工程学院出版。这是一篇在 CC 许可下的开

放获取文章（http://creativecommons.org/licenses/by/4.0/).

M.K. Hasan et

图一。移动网络评估:1–6g

过去四十年的技术，对第二代、第三代、第四

代和第五代网络（2 G、3 G、4 G 和 5 G）产生

了重要影响[1]。从 1 G 到 6 G 网络的演进概述见

Fig. 1。2020 年，第一个商用 5 G 网络启动，研

发（R&D）正在进行中 [2]。5 G 通信网络标准

化正在巩固，现在是时候关注第六代（6 G）网

络中的 R&D 了[3,4]。

5 G 通信网络能够广泛应用于消费电子产品，

即基于虚拟现实（VR）/增强现实（AR）、自动

驾驶和物联网（IoT）的智能医疗保健、智能电

网、智能建筑和城市应用。从技术上讲，5 G 网

络技术涵盖增强型移动宽带（eMBB）、超可靠低

延迟通信（ uRLLC ）和大规模机器类型通信

（mMTC）。总体而言，5 G 网络标志着专注于基

于服务的架构（SBA）的无线通信技术，以实现

面向通信的架构（COA）的“连接事物”[5]。

取代 5 G 网络中 SBA 和 COA 之间的“连接物”，

6 G 通信网络的发展将彻底改变无线网络面向

“互联智能”的通信技术。从技术上讲，6 G 网

络技术将覆盖具有新基础设施、新服务和新媒体

的消费电子应用，并嵌入高级人工智能 [6]，并

通过智能服务和应用程序在任何地方高效地学习、

生成、传输和收集数据。6 G 网络技术需要强大

的保密性和高级别的安全性。特别是，6 G 技术

将是以人为中心的 AI 适用的超柔性架构概念。

因此，利用集中式 ML 方案来优化这些开发中的

应用程序是很困难的[7]。同时，由于有限的通信

能力，所有边缘设备都难以将其生成的数据发送

到参数服务器进行集中式 ML。

FL[8] 是一个有前途的分布式 ML 框架，它在

具有分散 ML 方案的边缘设备上工作，这些设备

将模型更新发送到集中式参数服务器而不是原

始数据，因为它们一起工作以使用本地数据构

建共享模型[9]。在基站（BS）中，FL 框架中的

所有边缘设备通过广播本地学习的模型来开发

M.K. Hasan et

在这种情况下，每个设备都可以与附近的设备连

接，而不需要参数服务器。FL 可以增强用户数

据隐私，因为在用户级别，本地数据集无法访问

数据中心。支持 FL 的 6 G 通信技术具有实现优

势；

• 代替大量的训练数据交换，本地 ML 方案参数

可以使用较少的无线功率和资源。

• 通过局部调整 ML 模型参数减少传输延迟。在

本地边缘设备上增加数

• 据隐私 ML 模型参数被上传并在用户端设备上

保留训练数据；当使用边缘数据集使用各种学

习技术训练几个分类器时，有望获得更高的

• 学习性能。

动机:由于这些考虑因素，允许电子设备协作

构建包括本地培训在内的相同学习框架的分布式

学习方法是有用的。FL是最有趣的分布式 ML 框

架之一。FL

[10] 支持用户识别并收集详细预测；无线内部和

外部因素共同学习统一的预测模型，同时将获取

的数据保存在他们的设备上。根据结果，BS 可

以有效地将无线能力投射到中的设备 Fig. 2。FL

可应用于各种用例，包括资源分配、网络控制、

干扰终止和用户分组，以解决困难的凸和非凸问

题。此外，FL 允许用户将收集的数据存储在他

们的电子设备上，以便以协作方式进行用户识别、

无线网络调查和集成预测模型学习。BS 可以根

据预期的结果以富有成效的方式向设备分配无线

服务。尽管 FL能够通过 6 G通信和隐私敏感应用

程序实现以人为中心的人工智能，但由于学术界

和工业界的早期研究，适用于 6 G的 FL面临新的

挑战。在过去的五年中，对 FL和 6 G网络通信技

术进行的几项研究分别关注不同应用研究领域的

基本挑战。FL 概念的基本原理和高级应用见

[11,12]。Lim 等人讨论了基于 FL 的边缘设备的网

络安全和隐私 [13]。中介绍了基于 FL的无线通信

和要求[14]。Dang 等人。[2] 浅谈 6 G 网络及应用。

张等人。[15]增强设备选择和频谱分配优化的 FL。

这些调查为工业界和学术界提供了重要的经验和

基本知识。然而，对 FL支持 6 G通信技术的批判

性讨论仍然缺乏。关于 FL 支持 6 G 网络的关注，

这篇重要的文献综述有效地进行了讨论。根据文

献综述，本研究的第一步是介绍和讨论 FL 如何

实现 6 G 网络通信技术、

要求、挑战、优势和未来可能的增强范围。

调查方法:本研究介绍了支持 FL 的 6 G 技术，

以确定需求、应用、当前挑战和未来方向。对于

这项研究，通过筛选过程选择了几篇文章。使用

谷歌学术、Scopus、科学网和 Research Gate 数据

库搜索所有相关文章。我们使用“联邦学习”、

“6 G网络”和“面向6 G网络的联邦学习”作为

关键字。经过初步筛选，我们根据期刊影响因子、

稿件引用数和发表年份选择了一些文章。然后我

们根据特定的关键词指定核心文章:联邦学习、6

G 网络、FL 应用、FL 挑战、6 G 需求、6 G 应用

和 6 G 挑战。然后我们阅读标题、摘要、简介、

关键词和结论。最后，根据内容我们选择了手稿，

剩余15页未读，继续阅读

评论收藏

内容反馈

老衲在深渊

粉丝: 1129
资源: 3

Federated learning enables 6 G communication technology Requirem

最新资源

Federated learning enables 6 G communication technology Requirem

Advances and Open Problems in Federated Learning.pdf

Privacy-preserving and communication-efficient federated learning in Internet of Things.pdf

BAFFLE : Blockchain Based Aggregator Free Federated Learning

Federated Learning in Mobile Edge Networks: A Comprehensive Survey .pdf

Advances_and_Open_Problems_in_Federated_Learning.pdf

联邦学习Advances and Open Problems in Federated Learning

EXPANDING THE REACH OF FEDERATED LEARNING.pdf

2018-FL分布式医学数据研究-Federated Learning in Distributed Medical Datab

When Federated Learning Meets Blockchain A.pdf

不显示交叉点成员的垂直联合学习_Vertical Federated Learning without Revealing In

Federated Learning 入门论文整理.doc

2018-FL+云计算-Federated Learning via Over-the-Air Computation1

Optimizing Federated Learning on Non-IID Data with Reinforcement

Blockchained On-Device Federated Learning.pdf

最新《联邦学习Federated Learning》报告

Blockchain-based Federated Learning for.pdf

TOWARDS FEDERATED LEARNING AT SCALE SYSTEM DESIGN.pdf

Client Selection for Federated Learning with.pdf

HOLDOUT SGD: BYZANTINE TOLERANT FEDERATED LEARNING

2023.10.21 雷蛇+鼠标宏+PUBG+绝地求生 步枪通用

115转存助手ui优化版3.9.1网友魔改-转存提取全修复-user

恩山新版中兴Telnet工具体验版-20230830.rar

【精品资源免费分享】IDM下载激活版Internet Download Manager 下载最快的IDM下载工具软件

基于华为eNSP的校园网设计和仿真模拟.zip

蓝牙驱动，解决win11下的设备管理器蓝牙报错提示为：Generic Bluetooth Adapter驱动感叹号解

大漠插件3.1233全套

华中科技大学运算器实验源码

csgo鼠标宏，lua格式

Chrome浏览器 v109.0.5414.75稳定版 64位 离线安装包

最新资源

2023.10.21 雷蛇+鼠标宏+PUBG+绝地求生步枪通用

Chrome浏览器 v109.0.5414.75稳定版 64位离线安装包