FLSys：面向联邦学习移动应用开放生态
机器学习
2023-03-28 v3 人工智能
分布式、并行与集群计算
系统与控制
系统与控制
摘要
本文介绍 FLSys 的设计、实现与评估，FLSys 是一个移动—云联邦学习（FL）系统，可作为 FL 模型与应用开放生态的关键组件。FLSys 设计用于搭载移动感知数据的智能手机。它平衡模型性能与资源消耗，容忍通信故障，并实现可扩展性。在 FLSys 中，不同深度学习（DL）模型与不同 FL 聚合方法可由不同应用并发训练与访问。此外，FLSys 为第三方应用开发者提供先进的隐私保护机制与通用 API 以访问 FL 模型。FLSys 采用模块化设计，并在 Android 与 AWS 云上实现。我们将 FLSys 与一个人活动识别（HAR）模型协同设计。HAR 感知数据在 4 个月期间从 100 多名大学生的真实环境中收集。我们实现了 HAR-Wild，一种为移动设备定制的 CNN 模型，带有数据增强机制以缓解非独立同分布数据问题。还使用了一个情感分析模型来展示 FLSys 有效支持并发模型。本文报告了我们使用仿真、Android/Linux 模拟与 Android 手机进行大量实验的经验与教训，表明 FLSys 取得了良好的模型效用与实用的系统性能。
引用
@article{arxiv.2111.09445,
title = {FLSys: Toward an Open Ecosystem for Federated Learning Mobile Apps},
author = {Xiaopeng Jiang and Han Hu and Vijaya Datta Mayyuri and An Chen and Devu M. Shila and Adriaan Larmuseau and Ruoming Jin and Cristian Borcea and NhatHai Phan},
journal= {arXiv preprint arXiv:2111.09445},
year = {2023}
}