面向工业物联网的基于策略相似性感知的高效异步联邦评估框架
网络与互联网体系结构
2025-12-25 v1 人工智能
摘要
意图导向网络（IBN）通过将高层用户意图转化为可执行网络策略，为工业物联网（IIoT）环境中的智能自动化网络控制提供了前景。然而，频繁的策略部署和回滚在实际 IIoT 系统中不可行，因为其工作流程紧密耦合且导致高额停机成本，同时 IIoT 节点的异构性和隐私约束进一步 complicating 集中式策略验证。为此，我们提出 FEIBN（Federated Evaluation Enhanced Intent-Based Networking）框架。FEIBN 利用大语言模型（LLM）将多模态用户意图对齐为结构化策略元组，并采用联邦学习在不暴露原始数据的情况下跨 IIoT 节点进行分布式策略验证。为提升训练效率并降低通信开销，我们设计了 SSAFL（Strategy Similarity Aware Federated Learning）机制，依据策略相似性和资源状态选择任务相关节点，仅在更新显著时触发异步模型上传。实验表明，SSAFL 在模型准确率、收敛速度方面均优于 SemiAsyn 方法，成本降低 27.8%。
引用
@article{arxiv.2512.20627,
title = {Efficient Asynchronous Federated Evaluation with Strategy Similarity Awareness for Intent-Based Networking in Industrial Internet of Things},
author = {Shaowen Qin and Jianfeng Zeng and Haodong Guo and Xiaohuan Li and Jiawen Kang and Qian Chen and Dusit Niyato},
journal= {arXiv preprint arXiv:2512.20627},
year = {2025}
}
备注
13 pages with 7 figures and 4 tables