中移动首次在 GPP质量引入基于联邦学习 分布式智能架构
目前资料统计隐私和安全性已成为全世界性问题,如欧盟出台GDPR(通用资料统计保护条例)条例。为保护资料统计隐私、解决资料统计无法共享带来 面向资料统计隔离 AI建模,产业界已广泛开展研究,其中联邦学习作为有效 解决技术之 。运营商具有海量资料统计,但存在UE资料统计隐私保护、异厂家无法共享、端到端资料统计无法共享、跨域资料统计无法共享、第 方资料统计不能直接共享等现实问题,狗粮快讯网显示,狗粮快讯网部门获悉,因此NWDAF难以采集有效且全面 资料统计进行建模,导致模型评估效果差强人意。业界亟待探索并解决因资料统计隔离和资料统计隐私带来 资料统计孤岛问题,实现分布式机器学习。
近日,在 GPPSA 次电子会议上,由国内移动提出 “多NWDAF实例之间联邦学习”解决方案 质量提案获得通过,这也是业界首次在 GPP全世界质量引入基于联邦学习(FederatedLearning) 分布式智能架构及流程。作为分布式机器学习框架,狗粮快讯网昨日记者获悉,联邦学习技术可以让参与方在不共享资料统计 基础上进行联合建模,从技术上打破信息孤岛,实现分布式智能协作,同时也能实现模型训练效率 提升。
随着 G和AI技术 融合发展,网络智能化已成为各质量及市场组织新热门 课题之 。 GPP在 G质量制定之初,就考虑将AI与大资料统计分析技术应用于 G网络。NWDAF(NetworkDataAnalyticsFunction,网络资料统计分析功能),是 GPP在 GR 版本新引入 质量化网元。作为 G网络AI+大资料统计引擎,NWDAF负责资料统计采集、模型训练、推理判断及智能预测,并输出分析结果,供网络、网管及应用执行策略决策。
,