i卡會員

聯合學習打破了個資和隱私保護規範對企業取得資料行為的限制，以分散式訓練方法，把資料留在用戶端，不用到處收集大量資料，也能得到高效能的AI模型，不但取代了傳統集中式的機器學習，更成為當前AI大數據與個資隱私瓶頸的解套方法。聯合學習已是機器學習領域的重要研究議題，也在電子商務、金融、醫療、教育等諸多領域發展應用。本文以聯合學習應用於無線網路領域為例，說明聯合學習如何解決無線網路中的資料，通常位於用戶設備和網路終端設備中難以取用的問題，且發現聯合學習除了突破資料隱私限制，也有助於建立更好的無線網路環境，對無線網路的頻寬管理、可靠性和延遲問題皆有所改善。

【內容大綱】

• 一、 聯合學習模型概述
  • (一)  聯合學習發展背景
  • (二)  聯合學習定義
  • (三)  聯合學習類別
• 二、 無線通訊網路領域應用機會
  • (一)  邊緣運算與高速存取
  • (二)  頻譜管理
  • (三)  5G核心網路
• 三、 後續應用挑戰
  • (一)  安全與隱私保護仍有挑戰
  • (二)  與演算法有關的挑戰
  • (三)  與無線網路設置有關的挑戰
• IEKView

【圖表大綱】

• 圖1、聯合學習模型訓練機制示意
• 圖2、邊緣運算平台應用聯合學習分析快取內容示意
• 圖3、聯合學習與集中式模型訓練差異
• 圖4、5G網路資料分析功能運作機制