下一代以太网无源光网络上的联邦学习
网络与互联网体系结构
2021-09-30 v1 性能
摘要
联邦学习（FL）是一种分布式机器学习（ML）处理类型，可保护用户数据的隐私，仅与公共服务器共享 ML 模型的参数。FL 的处理需要通信网络运行所必须满足的特定延迟和带宽需求。本文提出了一种用于 50 Gb/s 以太网无源光网络上 FL 流量服务质量（QoS）保障的动态波长和带宽分配算法。所提算法优先处理 FL 流量，并降低了同一基础设施上支持的 FL 与延迟关键型应用的延迟。
引用
@article{arxiv.2109.14593,
title = {Federated Learning over Next-Generation Ethernet Passive Optical Networks},
author = {Oscar J. Ciceri and Carlos A. Astudillo and Zuqing Zhu and Nelson L. S. da Fonseca},
journal= {arXiv preprint arXiv:2109.14593},
year = {2021}
}