FedFog：面向边缘与雾网的资源感知式联邦学习
分布式、并行与集群计算
2025-07-08 v1
摘要
随着边缘计算和雾计算成为现代分布式系统的核心，越来越多的人关注将无服务器架构与像联邦学习 (FL) 这样的隐私保护机器学习技术相结合。然而，当前的仿真工具未能有效地捕捉这种集成。本文引入 FedFog，一个扩展 FogFaaS 环境以支持跨边缘-雾基础设施的 FL 无感知执行的仿真框架。FedFog 包含自适应 FL 调度器、尊重隐私的数据流以及资源感知的编排，以模拟 IoT 驱动场景中的真实、动态条件。通过在基准数据集上的大量仿真，我们展示 FedFog 加快了模型收敛速度、降低了延迟，并提高了能源效率，相较于传统 FL 或 FaaS 设置，表现更为出色，为研究人员探索可扩展、智能的边缘系统提供了宝贵的工具。
引用
@article{arxiv.2507.03952,
title = {FedFog: Resource-Aware Federated Learning in Edge and Fog Networks},
author = {Somayeh Sobati-M},
journal= {arXiv preprint arXiv:2507.03952},
year = {2025}
}