一种基于联邦学习的无线边缘计算系统、优化方法技术方案

本发明专利技术公开了一种基于联邦学习的无线边缘计算仿真系统和模拟真实系统收敛过程的优化方法。中心节点在每轮全局更新时统计各边缘设备的时间和物理空间资源消耗量，将统计结果与消耗资源总预算量做比对，判断是否进行下一轮全局更新或者创建对应指针，向各边缘设备发送停止标志以结束全局更新流程；中心节点考量各边缘节点数据集规模，从而为各子节点设计不同权重；中心节点针对权重数据创建对应指针，通过计划函数进行传递数据，之后中心节点进行迭代训练。本发明专利技术可以实现对无线边缘计算进行仿真，通过加入对各设备资源消耗量的考量，附加仿真系统训练收敛条件，根据各边缘节点数据集规模优化中心节点训练过程，从而提高仿真系统训练效果与真实性。

【技术实现步骤摘要】
一种基于联邦学习的无线边缘计算系统、优化方法
本专利技术涉及边缘计算
，具体而言涉及一种基于联邦学习的无线边缘计算系统、模拟真实系统收敛过程的优化方法。
技术介绍
随着万物互联时代的到来，网络边缘设备产生的数据量快速增加，带来了更高的数据传输带宽需求，同时，新型应用也对数据处理的实时性提出了更高要求，传统云计算模型已经无法有效应对，因此，边缘计算应运而生。在已经被提上研究议程的新一代移动网络中，无线边缘计算被视作关键支柱技术。图7是现有技术中一种典型的边缘计算体系结构，多个边缘节点与远程云一起工作，执行涉及本地处理和远程协调/执行的大规模分布式任务。无线边缘计算的新兴技术使本地数据存储和处理成为可能，其中边缘节点，如传感器、家庭网关和微服务器都具备存储和计算能力。从长远看，移动终端智能性不断以提升，充分利用边缘设备计算能力、降低智能终端功耗、降低延迟，将云计算下沉到网络边缘，通过终端及边缘节点在无线资源、计算资源层面的协同，可以提升用户体验。边缘计算节点的分布式和异构型也决定其难以进行统一的管理，从而导致一系列新的安全问题和隐私泄本文档来自技高网...

【技术保护点】
1.一种基于联邦学习的无线边缘计算系统，其特征在于，所述无线边缘计算系统包括采用主机设备仿真得到的中心节点和多个采用嵌入式设备仿真得到的边缘节点；在所述中心节点中通过基于主机设备本地数据训练得到中心节点模型，在所述边缘节点中通过基于当前边缘设备本地数据训练得到边缘节点模型；/n所述边缘设备用于接收中心节点传输回的中心节点的参数，在边缘节点创建所需传输参数的指针，通过边缘节点中的计划函数接收中心节点传输的参数，采用中心节点的参数对本地边缘节点模型进行更新后，采用本地数据对本地边缘节点模型继续进行迭代训练，将训练得到的新的边缘节点的参数再次通过边缘节点中的计划函数发送给中心节点；所述中心节点用于接...

【技术特征摘要】
1.一种基于联邦学习的无线边缘计算系统，其特征在于，所述无线边缘计算系统包括采用主机设备仿真得到的中心节点和多个采用嵌入式设备仿真得到的边缘节点；在所述中心节点中通过基于主机设备本地数据训练得到中心节点模型，在所述边缘节点中通过基于当前边缘设备本地数据训练得到边缘节点模型；
所述边缘设备用于接收中心节点传输回的中心节点的参数，在边缘节点创建所需传输参数的指针，通过边缘节点中的计划函数接收中心节点传输的参数，采用中心节点的参数对本地边缘节点模型进行更新后，采用本地数据对本地边缘节点模型继续进行迭代训练，将训练得到的新的边缘节点的参数再次通过边缘节点中的计划函数发送给中心节点；所述中心节点用于接收各个边缘设备发送的边缘节点的参数，在中心节点创建所需传输参数的指针，创建各个边缘设备的设备号，通过中心节点中的计划函数向边缘节点传输参数，对中心节点的参数进行聚合更新，并将更新结果反馈至各个边缘节点，以进行全局更新；
所述中心节点根据是否达到设定迭代次数或者达到预设的时间资源消耗总量a或物理空间资源消耗总量b判断是否向各边缘设备发送停止标志以结束全局更新流程；
所述边缘设备接收中心节点的参数为：中心节点模型参数ec和两次全局聚合之间的目前本地最优更新步数tf；所述中心节点接收边缘节点的参数为：边缘节点模型参数ef、各边缘设备的时间资源消耗量afi、物理资源消耗量bfi、各边缘节点损失函数和训练算法所需超参数；所述中心节点在每轮全局更新时统计中心节点时间资源消耗量ac和物理空间资源消耗量bc以及各边缘设备的时间资源消耗量afi和物理空间资源消耗量bfi，根据各资源消耗量自定义约束条件，根据是否满足约束判断是否进行下一轮全局更新或者向各边缘设备发送停止标志以结束全局更新流程。


2.根据权利要求1所述的基于联邦学习的无线边缘计算系统，其特征在于，在各边缘节点参数训练过程中，基于均方误差损失函数自定义新的损失函数；同时在考量各边缘节点数据集规模的基础上，为各边缘节点赋予不同权重后进行迭代式训练；各边缘节点数据集规模定义为：各边缘节点初始分配到的数据集量级，各边缘节点数据集的各类别概率分布相同。


3.根据权利要求1所述的基于联邦学习的无线边缘计算系统，其特征在于，所述中心节点根据本次迭代中心节点和边缘节点之间参数传输过程中的时间资源消耗量和物理空间资源消耗量、本次迭代边缘节点训练时间资源消耗量afi和物理空间资源消耗量bfi、本次迭代中心节点训练时间资源消耗量和物理空间资源消耗量、本次迭代边缘节点和中心节点总的时间资源消耗量a和总的物理空间消耗量b、梯度下降步长s以及两次全局聚合之间边缘节点模型参数训练次数tfi，计算得到资源消耗量约束条件。


4.根据权利要求1所述的基于联邦学习的无线边缘计算系统，其特征在于，所述边缘节点与中心节点之间的通信方式为：针对通信数据创建对应指针，通过计划函数进行传递；所述通信数据包括边缘节点模型的模型参数ef、各边缘设备更新的时间资源消耗量afi和物理空间资源消耗量bfi、各边缘设备损失函数、中心节点模型的模型参数ec、两次全局聚合之间的目前边缘节点更新最优步数tf。


5.根据权利要求1所述的基于联邦学习的无线边缘计算系统，其特征在于，所述边缘设备包括：
边缘初始化单元，用于创建挂钩，创建中心节点设备的编号，获取本地数据集，构建计划函数，制定协议，并对协议进行部署，基于神经网络搭建边缘节点模型；
边缘参数获取单元，用于接收中心节点发送的中心节点模型的模型参数ec及两次全局聚合之间目前的边缘节点更新最优步数tf；
边缘计算单元，用于根据边缘参数获取单元的接收数据更新迭代次数，训练边缘节点模型，得到相应的模型参数，以及计算本次本地更新的时间资源消耗量afi和物理空间资源消耗量bfi；
边缘数据传输单元，用于创建本边缘节点模型的模型参数ef、本次边缘设备更新的时间资源消耗量afi，物理空间资源消耗量bfi和本边缘设备损失函数的指针，通过计划函数传递本边缘节点模型的模型参数ef、本次本边缘设备更新的时间资源消耗量afi，物理空间资源消耗量bfi和本边缘设备的损失函数；
边缘判断单元，用于判断是否接收到中心节点发送的停止标志；
边缘再处理单元，用于根据边缘判断单元的判断结果执行再处理任务，其中，若接收到中心节点发送的停止标志，则接收中心节点模型的模型参数ec，创建本边缘节点损失函数的指针，通过计划函数传递本边缘设备的损失函数；否则驱使边缘参数获取单元再次接收中心节点发送的中心节点的参数及两次全局聚合之间的目前边缘节点更新最优步数tf；
边缘输出单元，用于在模型迭代训练终止后输出本边缘设备的损失函数。


6.根据权利要求1所述的基于联邦学习的无线边缘计算系统，其特征在于，所述主机设备包括：
主机输入单元，用于输入包括时间资源消耗总预设量a和物理空间资源消耗总预设量b，中心节点迭代次数t，预设两次全局聚合之间边缘节点更新最优步数tf及两次全局聚合之间边缘设备本地更新最大步数在内的各项参数；
主机初始化单元，用于初始化两次全局聚合之间本地更新的最优步数tf及迭代次数，创建挂钩，创建各个边缘设备的编号，构建计划函数，制定协议并对协议进行部署，基于神经网络搭建中心节点模型；
主机数据传输单元，用于创建中心节点模型参数ec及两次全局聚合之间的目前边缘节点更新最优步数tf及迭代次数的指针，通过计划函数传输中心节点模型参数ec及两次全局聚合之间的目前边缘节点更新最优步数tf及迭代次数至各个边缘设备，使其更新迭代次数；
主机参数获取单元，用于接收到各个边缘设备的模型参数efi、时间资源消耗量afi、物理空间资源消...

【专利技术属性】
技术研发人员：黄洋，陈丽宇，秦尉博，崔璨，王绍宇，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32