来源：期刊VIP网 时间：
作者：吴家鹏;龚平;林立;林铭炜;熊金波;
单位：福建师范大学计算机与网络空间安全学院;福建省公共服务大数据挖掘与应用工程技术研究中心;数字福建大数据安全技术研究所;
摘要：为改善智慧城市中隐私泄露及算力不足的问题，提出了一种融合边缘计算的联邦学习框架，将复杂的计算任务卸载至拥有更强计算和通信能力的边缘服务器上，提高了模型训练的效率，同时也确保了数据隐私的安全。在联邦学习过程中，提出了一种节能且高效的贡献估计算法，旨在激励参与者的持续参与。与现有的贡献估计方法相比，该算法能够有效减少计算和通信开销，并准确地估计各参与者的贡献。
关键词：智慧城市;;联邦学习;;边缘计算;;贡献估计
基金资助：国家自然科学基金资助项目(62272102);; 福建省自然科学基金资助项目(2023J02014、2021J01167)
