面向未来工业的工业物联网联邦学习
机器学习
2021-06-01 v1 信号处理
摘要
工业物联网（IIoT）为变革工业系统运行提供了可观机遇，并成为未来工业的关键赋能技术。近来，人工智能（AI）已被广泛用于实现智能 IIoT 应用，其中 AI 技术需要集中式数据收集与处理。然而，由于现代 IIoT 网络的高扩展性及日益增长的工业数据保密性，这在现实场景中并非总是可行。联邦学习（FL）作为一种新兴协作式 AI 方法，通过协调多个 IIoT 设备与机器在网络边缘执行 AI 训练，同时有助于保护用户隐私，对智能 IIoT 网络尤其具有吸引力。在本文中，我们提供关于 FL 在关键 IIoT 服务与应用中新兴应用的详细概述与讨论。还提供了一个案例研究以证明 FL 在 IIoT 中的可行性。最后，我们强调了一系列为实现工业中 FL-IIoT 全面落实所需解决的开放研究课题。
引用
@article{arxiv.2105.14659,
title = {Federated Learning for Industrial Internet of Things in Future Industries},
author = {Dinh C. Nguyen and Ming Ding and Pubudu N. Pathirana and Aruna Seneviratne and Jun Li and Dusit Niyato and H. Vincent Poor},
journal= {arXiv preprint arXiv:2105.14659},
year = {2021}
}
备注
Accepted at IEEE Wireless Communications Magazine