a
b
c
d
FindNews.ru - новости, последние события, хроники.
Исследование Threat Zone 2025: представили годовую динамику российского ландшафта угроз
Сегодня, 13:47
«Юниверс Дата» расширила возможности решения по управлению данными «Юниверс DG»
Сегодня, 13:47
«Ростелеком» в Тюменской области завершил очередной этап развития региональной системы оповещения
Сегодня, 13:47
«МегаФон» модернизировал сеть в Саяногорске
Сегодня, 13:47
Аналитика МТС: продажи планшетов в России достигли исторического максимума
Сегодня, 13:47
В «М.Видео-Эльдорадо» стартовали продажи ноутбуков Honor MagicBook X16 и MagicBook X14
Сегодня, 13:47
CorpSoft24 оптимизировал управление финансовыми потоками в финтех-группе IDF Eurasia
Сегодня, 13:47
В «Ситилинке» появились в продаже смартфоны серии Poco X7
Сегодня, 13:46
«Яндекс Аренда» запустила личный кабинет для риелторов — участников партнерской программы
Сегодня, 13:46
«Контур» и Pyrus выпустили совместное решение для автопроверки контрагентов
Сегодня, 13:46

Ученые разрабатывают алгоритм защиты конфиденциальности для беспроводной связи

Исследовательская группа разработала новый алгоритм, который обеспечивает высокую точность оценки и защиту конфиденциальности при низких вычислительных и коммуникационных затратах. Это исследование опубликовали в Intelligent Computing.

width=800

Новый алгоритм использует специально разработанную модель глубокого обучения для точной оценки и федеративную структуру обучения для модели, сохраняя при этом безопасность пользовательских данных и низкие накладные расходы. Он также включает схему мотивации пользователей для получения максимальной отдачи от вычислительных ресурсов.

Команда протестировала алгоритм в сети беспроводной связи, используя наборы данных локальных пользователей и наборы данных реальной среды. Тестирование на наборах данных локальных пользователей показало, что их метод более точен в оценке информации о состоянии канала по сравнению с некоторыми традиционными алгоритмами и алгоритмами глубокого обучения при различных соотношениях сигнал/шум, контрольных частотах и других условиях.

Тестирование в реалистичной среде дополнительно подтвердило эффективность алгоритма. Данные канала, используемые в тестировании, взяты из открытого набора данных мобильной связи.

Команда отметила, что их алгоритм имеет определенные ограничения. Сжатие модели и ее обучение с помощью неконтролируемых подходов являются возможными направлениями будущей работы. В будущем планируется исследовать федеративное обучение в динамичных, разнообразных сетях, где каждое устройство обладает разными ресурсами для выполнения встроенной проверки и выбора клиента.

Результаты показывают, что алгоритм превосходит три самые современные модели как в разреженных, так и в плотных сценариях, а разрыв в производительности больше в разреженном сценарии, где условия более изменчивы и сложны. Это означает, что модель, обученная с помощью федеративного обучения и с более высоким уровнем участия пользователей, является более надежной, адаптируемой и масштабируемой, чем эталонные модели, которые обучались централизованно.

Подписывайтесь на наш Telegram Читать

Техника - другие новости