面向船联网的高效隐私保护联邦学习方法 |
| |
引用本文: | 张泽辉,管聪,高航,高铁杠,陈辉.面向船联网的高效隐私保护联邦学习方法[J].中国舰船研究,2022(6):48-58. |
| |
作者姓名: | 张泽辉 管聪 高航 高铁杠 陈辉 |
| |
作者单位: | 1. 南开大学软件学院;2. 武汉理工大学船海与能源动力工程学院;3. 武汉理工大学高性能舰船技术教育部重点实验室;4. 清华大学公共安全研究院 |
| |
基金项目: | 国家重点研发计划资助项目(2019YFE0104600);;国家自然科学基金资助项目(51909200);;天津市自然科学基金资助项目(21JCZDJC00130);;中国国家留学基金委博士联合培养资助项目(CSC202006200135);;天津市研究生科研创新基金资助项目(2019YJSB067); |
| |
摘 要: | 目的]人工智能技术已经成为提升船舶航行安全水平、降低航运企业运营成本的重要手段。为打破不同船舶公司之间的数据壁垒,进一步提升船舶智能化水平,提出一种面向船联网的高效隐私保护联邦学习方法。方法]采用联邦学习技术以实现多个船舶参与方协同训练一个深度学习模型,并且使用同态加密方案以保护参与方的本地数据信息。考虑船联网场景,引入稀疏化技术对船舶参与方上传的模型参数进行压缩,从而降低参与方上传的数据量。结果]理论分析和实验结果表明,所提出的高效联邦故障诊断方法能够有效地降低密码学计算和数据通信的资源消耗,同时保护船舶参与方的本地数据信息。结论]该学习方法能够为船舶智能化研究提供参考。
|
关 键 词: | 船联网 深度学习 联邦学习 隐私保护 稀疏化 |
|
|