基于联邦学习的多源异构网络无数据融合方法
段昕汝
陈桂茸
姬伟峰
申秀雨
空军工程大学信息与导航学院,西安,710077
摘要：在联合作战体系中,数据作为基础性战略资源发挥着重要的底层支撑作用,数据妥善管理和高效利用是推动作战能力整体跃迁和作战样式深度变革的重要动力.为实现不同作战系统间信息的互联互通,提出一种基于联邦学习的多源异构网络无数据融合方法.从多源数据融合面临的安全性和异构性问题出发,利用条件生成对抗网络提取本地知识和全局分布,集成数据信息;结合局部教师模型-全局模型架构,以无数据知识蒸馏的方式对局部模型知识进行迁移,融合异构网络,细化全局模型,实现不同系统间安全、高质量的信息交互,为智能化指挥信息系统建设提供技术支撑.实验结果表明:该方法在结构化数据和图像数据上具有可行性,整体准确率可达到80%以上.
关键词：信息安全互联联邦学习网络融合条件生成对抗网络知识蒸馏
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(62301600)
论文发表日期：2024-02-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 90-97 )
英文信息