Exclusivo BibloRed
Otros

WCL, Client Selection in Federated Learning with a Combination of Model Weight Divergence and Client Training Loss for Internet Traffic Classification

CONTENIDO PARA USUARIOS REGISTRADOS

Inicia sesión para disfrutar este recurso. Si aún no estás afiliado a BibloRed, haz clic en el botón.

Autor
Año de publicación 2021
Idioma Inglés
Publicado por Revista VirtualPRO,

Descripción: La clasificación del tráfico de Internet (TC) es una técnica crítica en la gestión de redes y se aplica ampliamente en diversas aplicaciones. En los problemas tradicionales de TC, los dispositivos periféricos necesitan enviar los datos de tráfico sin procesar al servidor para su procesamiento centralizado, lo que no solo genera una gran cantidad de sobrecarga de comunicación, sino que también conduce a la filtración de privacidad y problemas de seguridad de la información. El aprendizaje federado (FL) es un nuevo paradigma de aprendizaje automático distribuido que permite a múltiples clientes entrenar un modelo global de forma colaborativa sin compartir datos de tráfico sin procesar. El TC en un marco de FL preserva la privacidad del usuario y la seguridad de los datos al mantener los datos de tráfico sin procesar de forma local. Sin embargo, debido a los diferentes comportamientos y preferencias de los usuarios, surge la heterogeneidad de los datos de tráfico. Las soluciones de FL existentes introducen sesgos en el entrenamiento del modelo al promediar los parámetros del modelo local de todos los clientes heterogéneos,
Citación recomendada (normas APA)
: Hindawi, "WCL, Client Selection in Federated Learning with a Combination of Model Weight Divergence and Client Training Loss for Internet Traffic Classification", -:Revista VirtualPRO,, 2021. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3932532/), el día 2025-06-08.

Información adicional

Fuente Revista Virtual Pro
Términos y condiciones de uso Más información aquí
Año de publicación 2021

WCL, Client Selection in Federated Learning with a Combination of Model Weight Divergence and Client Training Loss for Internet Traffic Classification

Información adicional

Mis colecciones

¿Eliminar esta reseña?