一种基于边缘计算和迁移学习的工业物联网设备参与联邦学习方法

摘要

随着人工智能和物联网的发展，工业4.0时代已经到来。据IBM预测，随着5G技术的不断普及，物联网技术将在工厂得到更广泛的应用。近年来，联邦学习已成为工业物联网研究人员的热门话题。然而，工业物联网中的许多设备目前存在计算能力低的问题，因此这些设备在联邦学习中无法很好地执行训练和更新模型的任务。为了解决上述问题，我们在工业物联网中引入边缘计算，使设备能够完成联邦学习操作。为了保证数据传输的安全性，系统引入区块链作为设备认证的主要算法。此外，为了提高工业物联网培训模式的效率和通用性，我们引入了迁移学习来提高系统性能。本发明降低了低性能工业物联网设备参与联邦学习的门槛，避免了多数物联网设备要在联邦学习普及过程中被淘汰的命运，为我国构建节约型社会做出贡献，并降低了联邦学习的普及门槛加速了联邦学习的普及进度。