面向6G的时间敏感异构联邦边缘智能

作     者：王连 何升涛 蔡浩晖 李莹玉 肖泳 石光明 WANG Lian;HE Shengtao;CAI Haohui;LI Yingyu;XIAO Yong;SHI Guangming

作者机构：中国地质大学(武汉)机械与电子信息学院 华中科技大学电信学院 琶洲实验室(黄埔) 鹏城实验室 电子信息对抗与仿真技术教育部重点实验室 西安电子科技大学人工智能学院 

出 版 物：《移动通信》 (Mobile Communications)

年 卷 期：2024年第48卷第7期

页      面：66-72页

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 

基　　金：国家自然科学基金“面向6G群体智能资源共享博弈基础理论研究”(62071193),“面向智能语义理解的计算成像方法研究”(61976169),“语义通信基础理论与方法研究”(62293483),“基于多通道压缩感知的高分辨高动态范围红外成像方法研究”(61871304) 鹏城实验室重大攻关项目(PCL2021A12) 中央高校基本科研业务费资助,HUST“基于联邦学习的数字孪生网络建模研究”(2023JYCXJJ029) 中国地质大学(武汉)“地大学者”人才岗位科研启动经费资助(2021164) 湖北省国际科技合作计划项目“面向印尼通信工程复杂场景的云边协同智能运维系统研发及应用”(2023EHA009) 

主　　题：智能内生 时间敏感网络 联邦学习 异构网络 

摘      要：与人工智能技术深度融合并实现智能内生是6G网络的重要演进趋势之一。联邦边缘智能是一种新兴的分布式协同训练架构，能够在为用户提供智能化服务的同时有效保护本地数据隐私。然而，由于算力网络中不同边缘节点的数据特征、可用的通信与计算资源等差异巨大，呈现出高度异构性，传统的联邦学习架构全局模型收敛速率较低，服务响应时延高。介绍了一种时间敏感异构联邦边缘智能系统架构，该架构采用异步的方式进行模型协同，可有效避免落后者效应对时延的影响，同时在对数据进行贡献度分析的基础上，采用低性能边缘节点数据丢弃与负载转发相结合的策略，进一步降低异步协同机制下陈旧性效应对服务响应时延的影响。基于树莓派的异构联邦边缘智能原型系统中的测试实验表明，所提方案可有效降低服务响应时延。