卫星系统中的空中联邦学习
机器学习
2023-06-12 v1 图像与视频处理
摘要
卫星中的联邦学习具有若干优势。首先，它确保了数据隐私与安全，因为敏感数据保留在卫星上，不会被传输至中心位置。这在处理敏感或机密信息时尤为重要。其次，联邦学习使卫星能够从多样化的数据源中集体学习，受益于卫星网络中的分布式知识。最后，联邦学习降低了卫星与中心服务器之间的通信带宽需求，因为仅交换模型更新而非原始数据。通过利用联邦学习，卫星可以在保护数据隐私并最小化通信开销的同时协作并持续改进其机器学习模型。这使得能够开发更智能、更高效的卫星系统，用于地球观测、天气预报和空间探索等多种应用。
引用
@article{arxiv.2306.02996,
title = {Over-the-Air Federated Learning in Satellite systems},
author = {Edward Akito Carlos and Raphael Pinard and Mitra Hassani},
journal= {arXiv preprint arXiv:2306.02996},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2211.01573