目前，以 5G 系统为代表的电信网络已经实现“万物互联”，并将 朝着“万物智联”的目标发展。电信网络利用先进的人工智能技术通 过及时有效地收集、传输、并随时随地学习数据，用于大量创新应用 和智能服务。然而，基于中央服务器与数据中心的机器学习框架正遭 受越来越多的数据隐私和安全挑战，面临巨大的通信开销与算力浪 费。联邦学习作为新兴的分布式机器学习框架，能够在保护数据隐 私、满足合法合规要求的前提下，让多参与方或多计算结点之间在不 共享原始数据的基础上联合进行高效的模型训练，有望在未来网络与 电信领域中发挥巨大潜能。联邦学习与物联网、边缘计算、5G/6G 等 技术相结合，能够更高效的支撑智能化应用开展，推动实现网络内生 智能。与此同时，电信数据无需出网就可实现数据价值安全流通，通 过与金融、政务、自动驾驶、医疗等行业合作，满足多源数据融合、 多方安全查询、多方安全统计、联合智能决策等应用需求，赋能社会 治理，服务民生公益，支持工业互联，协助实体经济快速发展。 在此背景下，中国人工智能产业发展联盟发布本白皮书，通过探 讨电信领域联邦学习架构与关键技术，提出多个典型用例和发展建 议，以期与业界分享，共同推动电信领域联邦学习的技术与产业发展， 实现电信网络自动驾驶能力与智能化的创新与深入推进。
关注微信
