arXiv cs.LG· Hojat Allah Salehi, Devrim Aras, Md Jueal Mia, M. Hadi Amini, Imtiaz Karim, Mashrur Chowdhury, Bhavani Thuraisingham·· 16 小时前AI 评分31
面向车联网且支持后量子认证的高效通信隐私联邦强化学习研究
Communication-Efficient Private Federated Reinforcement Learning with Post-Quantum Authentication for Vehicular Networks
AI 导读
针对车联网协同路径规划，该研究提出一种面向联邦强化学习的相关私有量化方法，结合后量子认证降低聚合误差并维持单比特通信成本。相比全精度更新，1-bit 上传将认证上行数据量减少 92.4%，每轮平均聚合的已验证更新从 19.6 提升至 26.5，且解析聚合均方误差比独立量化降低 16.5%。在参数级隐私预算为 1 的移动受限场景下，该方法比独立量化将平均行程时间缩短 14.3%。
来源：arXiv cs.LG · arxiv.org