联邦学习中量子密钥分发的自适应资源分配
密码学与安全
2022-08-31 v2
摘要
在智能原生6G网络中，隐私与安全问题的日益凸显催生了量子密钥分发保护的联邦学习（QKD-FL），其中通过量子信道连接的数据所有者可在不暴露本地数据集的情况下协同训练FL全局模型。为推进QKD-FL，架构设计与路由管理框架至关重要。然而，目前仍缺乏有效实现。为此，我们提出了一种面向QKD-FL系统的分层架构，其中QKD资源（即波长）与路由针对FL应用进行联合优化。特别地，我们关注FL工作节点的自适应QKD资源分配与路由，以在各种不确定性（包括安全需求）下最小化QKD节点的部署成本。实验结果表明，所提架构及资源分配与路由模型相比CO-QBN算法可降低7.72%的部署成本。
引用
@article{arxiv.2208.11270,
title = {Adaptive Resource Allocation in Quantum Key Distribution (QKD) for Federated Learning},
author = {Rakpong Kaewpuang and Minrui Xu and Dusit Niyato and Han Yu and Zehui Xiong and Xuemin Sherman Shen},
journal= {arXiv preprint arXiv:2208.11270},
year = {2022}
}
备注
6 pages, 6 figures, and a conference. arXiv admin note: text overlap with arXiv:2208.08009