公开(公告)号：CN114943342A

公开(公告)日：2022-08-26

申请号：CN202210532203.X

申请日：2022-05-09

Applicant: 北京邮电大学

Inventor： 王强 ,  陈镜伊 ,  张文琦

IPC: G06N20/00 ,  G06K9/62

Abstract: 本发明公开了一种联邦学习系统的优化方法，属于大规模分布式边缘智能学习领域，具体为：服务器创建全局模型初始化后下发至所有用户端；各用户端分别利用各自隐私数据集进行训练，得到个性化的本地模型，随后进入联邦学习的循环过程，每一轮循环皆如下：服务器对用户端进行聚类，结合用户端的贡献度选择上行传输用户端集合，集合中各用户端压缩本地模型并上传；服务器利用联邦平均方法以及无标签数据集对本地模型进行聚合和对齐，以更新全局模型并压缩后下发到根据用户需求选择的下行传输用户端集合中；各用户端用隐私数据集再次训练为新的个性化模型，循环直至本地模型及全局模型皆收敛。因此，本发明提升了通信效率，实现了联邦学习的高效训练。

公开(公告)号：CN114943342B

公开(公告)日：2025-01-03

申请号：CN202210532203.X

申请日：2022-05-09

Applicant: 北京邮电大学

Inventor： 王强 ,  陈镜伊 ,  张文琦

IPC: G06N20/00 ,  G06F18/214 ,  G06F18/23

Abstract: 本发明公开了一种联邦学习系统的优化方法，属于大规模分布式边缘智能学习领域，具体为：服务器创建全局模型初始化后下发至所有用户端；各用户端分别利用各自隐私数据集进行训练，得到个性化的本地模型，随后进入联邦学习的循环过程，每一轮循环皆如下：服务器对用户端进行聚类，结合用户端的贡献度选择上行传输用户端集合，集合中各用户端压缩本地模型并上传；服务器利用联邦平均方法以及无标签数据集对本地模型进行聚合和对齐，以更新全局模型并压缩后下发到根据用户需求选择的下行传输用户端集合中；各用户端用隐私数据集再次训练为新的个性化模型，循环直至本地模型及全局模型皆收敛。因此，本发明提升了通信效率，实现了联邦学习的高效训练。

公开(公告)号：CN116489774A

公开(公告)日：2023-07-25

申请号：CN202310544854.5

申请日：2023-05-15

Applicant: 北京邮电大学

Inventor： 王强 ,  郭恺 ,  陈镜伊 ,  张文琦

IPC: H04W72/044 ,  H04W72/512 ,  H04W72/543 ,  H04W72/50 ,  H04W72/0446

Abstract: 本发明提出一种多业务联合下行资源分配方法，属于移动通信领域；具体为：首先，搭建包括基站和用户的通信场景，在每一个时隙记录当前所有用户到基站的距离；然后，定量给出eMBB用户和URLLC用户的传输模型，分别计算用户的最大传输速率；构建神经网络模型，输出连接预测矩阵；基于URLLC业务的高可靠性要求和eMBB业务的高传输速率要求建立优化目标，并结合连接预测矩阵综合决策；最后，基于Dueling Deep Q‑Learning算法训练强化学习资源调度模型，解决优化目标函数，从而给出最优的URLLC和eMBB业务抢占或共用资源的选择策略，得到多业务联合下行资源分配结果；本发明充分考虑了多小区多业务的实际通信场景的共存问题，并高效利用频域资源，满足多业务传输指标的意义。

公开(公告)号：CN116546488A

公开(公告)日：2023-08-04

申请号：CN202310736142.3

申请日：2023-06-20

Applicant: 北京邮电大学

Inventor： 王强 ,  张艺佳 ,  陈镜伊 ,  张文琦

IPC: H04W12/03 ,  H04B7/0456

Abstract: 本发明公开了一种无线通信安全传输方法，属于无线通信安全领域。本发明方法包括：信息发送者将发送给各合法接收者的信息通过嵌套格码编码成细格上的码字，其中对每个信息生成一个保密消息和辅助消息，辅助消息是随机从粗格上选取的一个格点，保密消息是通过映射函数映射到粗格的陪集上形成；再使用预编码技术隔离发送给各合法接收者的信息，生成最终发送信号；合法接收者对接收到的信号解码获得信息发送者要发送的消息。本发明方法使用嵌套格码编码方案最小化窃听者的信息泄露率来达到通信系统的强保密安全，同时通过使用多用户预编码技术实现合法信道间的保密消息传输，实现通信网络中各点间的数据安全传输。