MEC驱动的联邦学习协同推理：边缘智能时代的数据隐私保护与实时决策
从MEC基础设施出发，深入剖析联邦学习核心算法变体（FedAvg/FedProx/SCAFFOLD），构建协同推理管道，涵盖差分隐私、安全聚合、同态加密和可信执行环境四层隐私增强技术，并通过Rust实现的端到端演示系统GeoFL展示隐私约束下跨边缘节点的模型协同进化。含智慧城市交通流预测、跨医院医疗影像联邦训练、制造企业预测性维护三大工业落地案例。
投稿
微信公众账号
微信扫一扫加关注
顶部