[發(fā)明專利]空地網(wǎng)絡(luò)中由數(shù)字孿生驅(qū)動的聯(lián)邦學(xué)習(xí)的激勵方法

有效

• 申請?zhí)枺?/td>: 202011045504.7
• 申請日: 2020-09-28
• 公開（公告）號: CN112367109B
• 公開（公告）日: 2022-02-01
• 發(fā)明（設(shè)計）人: 徐寧;張芙蓉;孫文;張海賓;張彥
• 申請（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號: H04B7/185
• 分類號: H04B7/185;G06N20/00
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 王艾華

本發(fā)明公開了空地網(wǎng)絡(luò)中由數(shù)字孿生驅(qū)動的聯(lián)邦學(xué)習(xí)的激勵方法，引入動態(tài)數(shù)字孿生來捕獲空地網(wǎng)絡(luò)中的元素動態(tài)特性，為了提高聯(lián)邦學(xué)習(xí)的準確性和可靠性，針對不同規(guī)模的空地網(wǎng)絡(luò)設(shè)計了激勵方案，以鼓勵高質(zhì)量客戶端參與。為了在空地網(wǎng)絡(luò)中執(zhí)行聯(lián)邦學(xué)習(xí)任務(wù)，一架無人機作為聚合器，地面客戶端協(xié)同完成模型訓(xùn)練。對于客戶端，引入丟包率誤差和CPU頻率誤差，分別測量數(shù)字孿生體在通信環(huán)境和計算能力中的誤差，來校正數(shù)字孿生模型的誤差，從而建立了校準數(shù)字孿生模型。其數(shù)字孿生體與相應(yīng)的客戶端實時交互保持一致，并且可以快速捕獲客戶端的加入或退出，此外，客戶端的決策過程可以通過數(shù)字孿生體在服務(wù)器上執(zhí)行，減少了通信負載以及計算成本。

技術(shù)領(lǐng)域

屬于空地網(wǎng)絡(luò)中的聯(lián)邦學(xué)習(xí)領(lǐng)域，特別涉及不同規(guī)模空地網(wǎng)絡(luò)中由數(shù)字孿生驅(qū)動的聯(lián)邦學(xué)習(xí)的激勵方法。

背景技術(shù)

未來的6G通信系統(tǒng)將構(gòu)建一個分布式空天地一體化網(wǎng)絡(luò)，完成現(xiàn)有通信盲點部署，實現(xiàn)全球無縫覆蓋。人工智能進一步賦予了其高效的自主管理和控制學(xué)習(xí)能力，但是，在空天地一體化網(wǎng)絡(luò)中各種異構(gòu)設(shè)備和動態(tài)變化的環(huán)境使數(shù)據(jù)收集和上下文感知更加困難。數(shù)字孿生是一種新興的數(shù)字測繪技術(shù)，創(chuàng)建了物理實體的實時數(shù)字仿真模型，動態(tài)數(shù)據(jù)孿生由數(shù)據(jù)驅(qū)動實現(xiàn)了數(shù)字孿生體和物理實體雙向閉環(huán)信息反饋。空地網(wǎng)絡(luò)中的決策通常需要由分布在各種訓(xùn)練設(shè)備上的大量數(shù)據(jù)支持，但是數(shù)據(jù)孤島的存在使大規(guī)模集中學(xué)習(xí)不切實際。聯(lián)邦學(xué)習(xí)是一種分布式機器學(xué)習(xí)模型，設(shè)備不將原始數(shù)據(jù)發(fā)送到邊緣服務(wù)器進行聚合，而是使用本地數(shù)據(jù)訓(xùn)練機器學(xué)習(xí)模型，使客戶端能在不共享數(shù)據(jù)的情況下協(xié)同訓(xùn)練模型，從而打破了技術(shù)隔離中的數(shù)據(jù)孤島問題。同時在聯(lián)邦學(xué)習(xí)中需要引入激勵方法以鼓勵客戶端參與聯(lián)邦學(xué)習(xí)。

在空地網(wǎng)絡(luò)中，不同網(wǎng)段在計算能力和獲取數(shù)據(jù)方面的異質(zhì)性以及高移動性，特別是在空中網(wǎng)絡(luò)中，極大地影響了學(xué)習(xí)體系結(jié)構(gòu)的構(gòu)建和訓(xùn)練方法。由于空地網(wǎng)絡(luò)的重要標志之一是高移動性，特別是空中網(wǎng)絡(luò)和空間網(wǎng)絡(luò)，實時捕捉動態(tài)變化是實現(xiàn)智能決策必不可少的，所以現(xiàn)有的研究成果不適用于空地網(wǎng)絡(luò)中的聯(lián)邦學(xué)習(xí)。此外，聯(lián)邦學(xué)習(xí)過程是動態(tài)變化的，在訓(xùn)練過程中，應(yīng)該允許移動設(shè)備的離開和加入，因此激勵的粒度應(yīng)該下沉到全局更新甚至局部更新。聯(lián)邦學(xué)習(xí)作為一種本質(zhì)上由數(shù)據(jù)驅(qū)動的機器學(xué)習(xí)，其關(guān)鍵在于參與的客戶端的數(shù)量及其數(shù)據(jù)質(zhì)量，由于聯(lián)邦學(xué)習(xí)參與者的數(shù)據(jù)是私有的，數(shù)據(jù)質(zhì)量和參與者對全局模型的貢獻很難評估，所以現(xiàn)有的激勵方法不能直接應(yīng)用于空地網(wǎng)絡(luò)的聯(lián)邦學(xué)習(xí)中。現(xiàn)有的關(guān)于數(shù)字孿生的研究大多沒有考慮到數(shù)字孿生的實際值與估計值之間的誤差，另外，深入探討聯(lián)邦學(xué)習(xí)在空地網(wǎng)絡(luò)中的具體應(yīng)用的研究很少，現(xiàn)有的關(guān)于聯(lián)邦學(xué)習(xí)激勵的工作主要是激勵數(shù)據(jù)量較大或訓(xùn)練時間較長的客戶端，而忽略了更新的貢獻度和信譽值。

發(fā)明內(nèi)容

基于Stackelberg博弈，針對不同規(guī)模的空地網(wǎng)絡(luò)分別設(shè)計了由數(shù)字孿生驅(qū)動的聯(lián)邦學(xué)習(xí)的靜態(tài)激勵方法和動態(tài)激勵方法。

首先建立了基本的系統(tǒng)模型，如下所述：

A.數(shù)字孿生無人機輔助地面網(wǎng)絡(luò)模型

考慮了一個由無人機、客戶端和數(shù)字孿生體組成的無人機輔助地面網(wǎng)絡(luò)場景。系統(tǒng)中包含了地面設(shè)備和無人機兩類數(shù)字孿生體，使用集合N＝{1,2,...,N}表示網(wǎng)絡(luò)中的客戶端，對于客戶端i,其在時間t的數(shù)字孿生DT_i^c表示為

DT_i^c(t)＝{F_i^t(w),b_i(t),f_i(t)} (1)

w是客戶端i的當(dāng)前訓(xùn)練參數(shù)，F(xiàn)_i^t(w)表示客戶端i的當(dāng)前訓(xùn)練狀態(tài)，b_i(t)表示丟包率，f_i(t)是設(shè)備在時間t時的CPU頻率。引入丟包率誤差和CPU頻率誤差來校正數(shù)字孿生模型的誤差，分別測量數(shù)字孿生體在通信環(huán)境和計算能力下的誤差。因此對于客戶端i，校準的數(shù)字孿生是