面向智能物联网服务的多层分级联邦学习辅助非地面网络
网络与互联网体系结构
2023-12-12 v2 分布式、并行与集群计算
机器学习
摘要
在不断扩展的物联网格局中，管理互连设备的复杂网络是一项根本性挑战。这引出了我们的疑问：“如果我们邀请物联网设备协作参与实时网络管理与物联网数据处理决策会怎样？”这一探究构成了我们创新方法的基础，通过整合 NTN 架构（特别是 VHetNet）与 MT-HFL 框架，应对物联网中日益复杂的难题。VHetNet 通过协调地面与非地面要素，超越了传统网络范式，从而确保了广泛的连接性与韧性，在地面基础设施有限的区域尤为关键。MT-HFL 的引入进一步革新了该架构，将智能数据处理分布到从地面边缘设备到空中平台及上方卫星的多层级网络频谱中。本研究探讨了 MT-HFL 在营造去中心化、协作式学习环境中的作用，使物联网设备不仅能贡献还能在网络管理中做出明智决策。该方法妥善应对了物联网数据非独立同分布特性带来的挑战，并有效削减了广泛物联网网络中普遍存在的通信开销。重要的是，MT-HFL 通过促进本地数据处理并限制共享模型更新而非原始数据，增强了数据隐私——这在物联网生态系统中是首要考量。通过评估一个案例研究，我们的发现表明，MT-HFL 在 VHetNet 内的协同集成创造了一种健壮、可扩展且能动态适应物联网环境多变需求的智能网络架构。该设置确保了高效的数据处理、先进的隐私与安全措施，以及对波动网络条件的灵敏适应性。
引用
@article{arxiv.2305.05463,
title = {Multi-Tier Hierarchical Federated Learning-assisted NTN for Intelligent IoT Services},
author = {Amin Farajzadeh and Animesh Yadav and Halim Yanikomeroglu},
journal= {arXiv preprint arXiv:2305.05463},
year = {2023}
}
备注
Submitted to IEEE for possible publication