聯邦學習在5G云邊端協同場景中的原理和應用綜述

鄭會吉 邱鑫源 郭少哲 任宇辰

摘要：隨著云計算、邊緣計算、移動通信技術以及人工智能技術的發展和進步，云端以及邊緣端的算法、模型和應用需要進行協同計算，5G網絡切片和MEC兩大關鍵技術的應用逐漸廣泛，5G云邊端協同技術所受到的重視度不斷提升。面對各行各業普遍存在的數據孤島和數據安全問題，聯邦學習技術由此而生，使用聯邦學習可以解決這些突出問題，充分挖掘數據的潛在價值。本文，將對其原理以及應用綜述進行分析和論述。

關鍵詞：聯邦學習;5G云邊端;協同場景;原理;應用

在信息化領域，聯邦學習的主要目的就是為了解決數據孤島和數據安全的問題，讓各個參與方都可以從中獲益。當前隨著互聯網技術的深入發展，社會生產中的諸多業務都出現了各種各樣的困境，比如說，數據量龐大、數據隱私以及數據安全方面的問題。為了更好的解決數據隱私問題，避免用戶數據信息泄露，就需要構建一套滿足數據隱私保護和數據安全的前提下設計一個分布式機器學習框架，保證信息技術能夠安全有效應用。當前，聯邦學習的主要研究領域包含優化通信機制、數據隱私安全、業務場景應用等等。

一、5G云邊協同與邊緣智能

1、5G促進云邊協同的發展

5G技術的高帶寬、低時延、低功耗等特點使得云邊協同效率得到了有效的提升，可以有效突破云端和邊緣端通信的速度限制，同時5G技術還可以滿足不同客戶差異化和定制化的業務需求，推動智慧醫療和智慧教育等垂直行業快速發展。

2、聯邦學習的分布式結構

傳統云計算具有時效性差、能耗大、帶寬有限、不利于保護數據安全和隱私等突出性問題，為了有效規避上述問題，面向邊緣設備的MEC應運而生。邊緣計算是在網絡邊緣執行計算，其優勢在于可以更快的進行數據處理和分析，減少網絡流量，縮短網絡延遲時間，緩解網絡中心所面臨的壓力，同時用戶隱私數據存儲在網絡邊緣設備，可以有效的保護用戶數據安全和隱私。邊緣計算是云計算的延伸，二者彼此之間相互依存、協同運作。在云邊端協同場景中，邊緣端負責在本地范圍內的數據計算和存儲工作，云端負責全局數據的挖掘分析、算法訓練升級。

邊緣計算和AI結合產生了邊緣智能，存儲技術、通信技術、安全隱私技術的成熟進一步推動了邊緣智能的發展。邊緣智能被定義為使邊緣設備可以執行智能算法的能力，其包含有準確率、延遲以及功耗、內存多方面的元素。邊緣智能場景中存在有三個大矛盾，用戶的高服務質量要求和用戶數據隱私之間的矛盾，智能應用需求多樣化和邊緣設備能力有限之間的矛盾，要想切實有效的解決上述矛盾，就必須要在邊緣設備和云計算中心之間進行協同計算，協助計算分為云邊協同、邊邊協同、邊物協同等等，文章主要探究的是5G云邊協同場景下的邊緣智能，一般來說，云計算和邊緣計算節點之間主要有三種協同計算方式，其具體如下：

一是訓練和預測云邊協同。即云計算中心根據邊緣設備上傳的數據訓練和升級AI模型，而邊緣設備負責收集和清洗數據，并基于最新模型進行實時推理。該協同方式當前的應用已經處于相對比較成熟的狀態，其在視頻檢測等領域得到的應用比較頻繁。

二是云導向的云邊協同。云計算中心除了承擔AI模型的訓練之外，還會負責一部分模型推理工作，也就是AI模型被分割，云中心負責模型前端的計算，將中間結果傳輸給邊緣設備，邊緣設備繼續執行預測工作，然后得出推理結果。該協同方式相對來說比較復雜，現如今應用頻率還并不是很高，現如今還處于起步探索階段。

三是邊緣導向的云邊協同。云計算中心只負責初始的模型訓練任務，經過初始訓練的模型下載到邊緣設備，邊緣設備既要模型訓練也要模型推理。該協同場景也處于研究探索階段。聯邦學習是云邊協同計算場景的一種形式，其必須要云計算中心和邊緣設備不斷交換加密的模型中間數據，部分聯邦學習場景中也需要邊緣設備之間直接交互加密數據，進而有效解決醫療、金融等場景中的數據安全和隱私保護等問題。

二、聯邦學習在5G云邊端協同場景中的應用

1、聯邦學習的分布式結構分析

數據收集是5G技術發展應用的核心所在，而在傳統的數據收集過程中是先將數據收集然后匯聚到邊緣服務器，再匯集到云數據中心，使用云數據中心的AI模型對相關數據進行計算分析，這種數據處理方法雖然也可以順利的對數據進行分析和整理，但是其卻無法有效的保證數據的安全性和隱私。聯邦學習為了保護數據隱私需要，會在云數據中心的中心云服務器和各個邊緣云服務器之間使用聯邦學習的方式進行模型更新，先進行局部更新，再進行全局更新，形成了一種分布式結構，數據安全以及隱私等得到了有效保障。

邊緣云服務器和各個終端設備之間也可以使用聯邦學習的方式實現模型更新，如果進一步對相關結構進行細分，可以分為主從式結構和非主從式結構兩種。二者的區別表現為參數獲取方式不同，信息收集存在有一定的差異。

2、聯邦學習在不同行業的應用

現如今，隨著科技的不斷發展和進步，聯動學習技術在各個領域的應用可謂是越來越廣泛，比如說，谷歌將聯邦學習技術應用于輸入法之中，還有部分企業將其應用于醫療領域的跨設備開發。在我國聯邦學習技術也已經應用到了醫療、金融等領域，其對于相關行業的發展產生了重要推動作用。比如說，基于聯邦學習的乳腺癌圖片目標識別可以幫助醫療工作者進行醫療決策，這樣可以制定出更加科學合理的治療方案，有效解決治療層面出現的種種問題。

3、聯邦學習在5G云邊協同場景中的應用

在5G時代，云邊協同在不同行業中的應用將會成為社會發展的新趨勢，其可以有效的解決各個行業信息互通的問題，對于社會的發展和進步有著重要的推動作用。比如說，聯邦學習技術可以幫助工業互聯網完成數字化升級和智能化轉型，推進傳統農業朝著智慧農業的方向發展和建設。比如說，在醫療場景中，患者個人信息和就醫過程所產生的一系列數據就屬于高度保密的隱私數據，其分布在多家醫療機構之中，就可以借助聯邦學習技術進行管控，避免數據泄漏或者是丟失。

總之，聯邦學習在5G云邊端協同場景中應用的主要目的就是為了解決數據孤島以及數據安全方面存在的問題，保證相關技術應用的質量效果，發揮數據信息應用的積極作用。當前相關技術的應用還存在有諸多不成熟的地方，只有及時采取有效措施予以解決，才能為技術的應用提供有效保證。

參考文獻：

[1]鄔江興.新型網絡技術發展思考[J].中國科學，2018（8）：102-103.

[2]鄔賀銓.5G已經向我們走來，2020年前至少要啟動商用[J].物聯網技術，2018（2）：3.

[3]游思晴，齊兆群.5G網絡綠色通信技術現狀研究及展望[J].移動通信，2016，40（20）：31-35.