基于无人机辅助联邦边缘学习通信系统的安全隐私能效研究

来源：电子与信息学报杂志2025年第5期北京时间：

作者：卢为党, 冯凯, 丁雨, 李博, 赵楠

单位：1.浙江工业大学信息工程学院 杭州 3100232.哈尔滨工业大学(威海)信息科学与工程学院 威海 2642093.大连理工大学信息与通信工程学院 大连 116024

摘要：无人机(UAV)辅助联邦边缘学习的通信能够有效解决终端设备数据孤岛问题和数据泄露风险。然而，窃听者可能利用联邦边缘学习中的模型更新来恢复终端设备的原始隐私数据，从而对系统的隐私安全构成极大威胁。为了克服这一挑战，该文在无人机辅助联邦边缘学习通信系统提出一种有效的安全聚合和资源优化方案。具体来说，终端设备利用其本地数据进行局部模型训练来更新参数，并将其发送给全局无人机，无人机据此聚合出新的全局模型参数。窃听者试图通过窃听终端设备发送的模型参数信号来恢复终端设备的原始数据。该文通过联合优化终端设备的传输带宽、CPU频率、发送功率以及无人机的CPU频率，最大化安全隐私能效。为了解决该优化问题，该文提出一种演进深度确定性策略梯度(DDPG)算法，通过和系统智能交互，在保证基本时延和能耗需求的情况下获得安全聚合和资源优化方案。最后，通过和基准方案对比，验证了所提方案的有效性。

关键词：无人机, 联邦边缘学习, 能效, 资源优化, 深度确定性策略梯度

基金资助：浙江省自然科学基金(LR25F010003)，国家自然科学基金(62271447)，浙江省属高校基本科研业务费专项资金(RF-C2023008)