智能AI
morning
具有轮换协调器的拜占庭式鲁棒联合火灾检测
摘要
arXiv:2609.10647v1 Announce Type: new Abstract: We study the application of federated learning (FL) to indoor fire detection. Such fire-detection systems use edge cameras that record sensitive footage...
the
detection
server
and
fire
that
fixed
federated
indoor
edge
2026-09-12
1 阅读
约1分钟阅读
Georgia Argyrou, Aymen Bahrouny, Hedi Fendriy, Alexander Jung
字号:
arXiv:2609.10647v1 公告类型：新 摘要：我们研究联邦学习（FL）在室内火灾检测中的应用。此类火灾探测系统使用边缘摄像机来记录敏感镜头，而这些镜头无法轻松地在中央服务器上收集。现有的联合解决方案留下了三个尚未解决的实际障碍：有限的上行链路带宽、拜占庭（恶意或错误）客户端以及对单个永久固定聚合服务器的无条件信任。我们的主要贡献涉及这三个方面。特别是，我们提供（i）由八个公共来源汇集而成的精心策划的室内火灾探测数据集； (ii) 一种可边缘部署的检测器，其模型更新被压缩高达 10 倍，平衡精度仅有很小的损失； (iii) 半分散的拜占庭鲁棒 FL 方法，将历史感知聚合与轮换协调器相结合，消除每轮过滤器错过的隐形攻击，同时消除固定服务器单点故障。在保留的测试集上，旋转协调器方法在准确性和检测速度方面与固定服务器方法相匹配，并且物理分布式六节点云部署证实了可行性。
这篇文章对您有帮助吗？
订阅66必读
每日精选科技资讯，直达你的邮箱