5G 移动网络中的安全联邦学习
偏微分方程分析
2021-04-16 v4
摘要
机器学习（Machine Learning, ML）是优化、保护和管理移动网络的重要使能技术。这导致从网络功能中收集和处理的的数据增加，进而可能增大对敏感终端用户信息的威胁。因此，需要降低终端用户隐私威胁的机制以充分利用 ML。我们将联邦学习（Federated Learning, FL）无缝集成到 3GPP 5G 网络数据分析（Network Data Analytics, NWDA）架构中，并添加一种多方计算（Multi-Party Computation, MPC）协议以保护本地更新的机密性。我们对该协议进行了评估，发现其开销远低于以往工作，且不影响 ML 性能。
引用
@article{arxiv.2004.06699,
title = {Sobolev and H\"older regularity results for some singular nonhomogeneous quasilinear problems},
author = {J. Giacomoni and Deepak Kumar and K. Sreenadh},
journal= {arXiv preprint arXiv:2004.06699},
year = {2021}
}
备注
35 pages