屹立于5G：面向联邦学习的单轮抗掉线安全聚合协议

联邦学习（FL）非常适合5G网络，在5G网络中，众多移动设备会产生敏感的边缘数据。安全聚合协议通过确保个体用户更新不泄露任何关于底层客户端数据的信息来增强联邦学习中的隐私性。然而，5G动态且大规模的特性——以高移动性和频繁掉线为标志——对这些协议的有效采用构成了重大挑战。现有协议通常需要多轮通信或依赖固定基础设施，限制了其实用性。我们提出了一种为5G环境设计的轻量级单轮安全聚合协议。通过利用基站进行辅助计算，并结合预计算、密钥同态伪随机函数和t-out-of-k秘密共享，我们的协议确保了效率、鲁棒性和隐私性。实验表明，该协议具有强大的安全保证，并在通信和计算效率方面取得了显著提升，使其非常适合现实世界的5G联邦学习部署。