联邦学习(Federated learning,FL)通过分布式协同训练实现多车辆联合建模,在保护数据隐私的同时,有效支持车联网(Internet of vehicles,IoV)中的交通优化、拥堵治理等应用。然而,传统FL在动态异构的IoV环境中面临中心化架构脆弱和网络...联邦学习(Federated learning,FL)通过分布式协同训练实现多车辆联合建模,在保护数据隐私的同时,有效支持车联网(Internet of vehicles,IoV)中的交通优化、拥堵治理等应用。然而,传统FL在动态异构的IoV环境中面临中心化架构脆弱和网络不稳定等挑战。区块链技术的去中心化共识和不可篡改特性为IoV-FL提供了理想的解决方案。围绕区块链赋能下的IoV-FL展开综述,介绍IoV、区块链与IoV-FL的基础概念,分析IoV-FL的系统架构与关键应用场景,并梳理传统方法在隐私安全、系统鲁棒性与可扩展性等方面的局限;从模型更新验证、系统可扩展性、激励机制和知识共享4个维度,系统整理已有研究工作中区块链赋能IoV-FL的关键技术方案,探讨IoV-FL在隐私与安全、存储开销、网络吞吐率、设备与数据异构等方面仍面临的关键挑战;最后,从隐私保护增强、资源利用优化以及系统协同等方面展望未来研究方向。展开更多
2025年6月24日~27日,由CERNET网络中心及清华大学网络科学与网络空间研究院主办的“国际学术网络负责人会议”在北京举行。来自北欧、德国、荷兰、日本、东非、巴西、智利等有代表性的国家和地区研究与教育网络(NREN-National Research ...2025年6月24日~27日,由CERNET网络中心及清华大学网络科学与网络空间研究院主办的“国际学术网络负责人会议”在北京举行。来自北欧、德国、荷兰、日本、东非、巴西、智利等有代表性的国家和地区研究与教育网络(NREN-National Research and Education Network)的十几位负责人参加本次会议,围绕全球学术网络最新动态、发展机遇与挑战、未来规划以及国际合作等重要议题展开深入交流。展开更多
文摘联邦学习(Federated learning,FL)通过分布式协同训练实现多车辆联合建模,在保护数据隐私的同时,有效支持车联网(Internet of vehicles,IoV)中的交通优化、拥堵治理等应用。然而,传统FL在动态异构的IoV环境中面临中心化架构脆弱和网络不稳定等挑战。区块链技术的去中心化共识和不可篡改特性为IoV-FL提供了理想的解决方案。围绕区块链赋能下的IoV-FL展开综述,介绍IoV、区块链与IoV-FL的基础概念,分析IoV-FL的系统架构与关键应用场景,并梳理传统方法在隐私安全、系统鲁棒性与可扩展性等方面的局限;从模型更新验证、系统可扩展性、激励机制和知识共享4个维度,系统整理已有研究工作中区块链赋能IoV-FL的关键技术方案,探讨IoV-FL在隐私与安全、存储开销、网络吞吐率、设备与数据异构等方面仍面临的关键挑战;最后,从隐私保护增强、资源利用优化以及系统协同等方面展望未来研究方向。
文摘2025年6月24日~27日,由CERNET网络中心及清华大学网络科学与网络空间研究院主办的“国际学术网络负责人会议”在北京举行。来自北欧、德国、荷兰、日本、东非、巴西、智利等有代表性的国家和地区研究与教育网络(NREN-National Research and Education Network)的十几位负责人参加本次会议,围绕全球学术网络最新动态、发展机遇与挑战、未来规划以及国际合作等重要议题展开深入交流。
