异构物联网网络中基于联邦语义通信的客户端选择策略
网络与互联网体系结构
2025-06-23 v1 机器学习
摘要
物联网设备的指数级增长在带宽受限的无线网络中带来了数据传输和隐私保护的关键挑战。本文提出一种新型的联邦语义通信(SC)框架, 使能够在异构物联网设备上进行协作训练, 实现高效的图像重构模型。通过利用 SC 原理仅传输语义特征, 该方法显著降低了通信开销, 同时保持重构质量。我们解决了在数据集大小和数据分布显著不同的联邦学习环境中进行客户端选择的根本挑战。该框架实现了三种不同的客户端选择策略, 探索了系统性能与公平性在资源分配之间的不同权衡。该系统采用具有语义瓶颈的端到端 SC 架构, 并配合基于损失的聚合机制, 自然适应客户端异构性。在图像数据上的实验评估表明, 虽然效用导向选择实现了最高的重构质量, 比例公平性选择在显著降低参与不平等性和提高计算效率的同时, 也能保持具竞争力的性能。这些结果表明, 联邦 SC 能够成功在异构物联网部署中平衡重构质量、资源效率和公平性, 为可持续且隐私保护的边缘智能应用铺平了道路。
引用
@article{arxiv.2506.17063,
title = {Client Selection Strategies for Federated Semantic Communications in Heterogeneous IoT Networks},
author = {Samer Lahoud and Kinda Khawam},
journal= {arXiv preprint arXiv:2506.17063},
year = {2025}
}