联邦学习的计算效率优化方法综述
Survey on computational efficiency optimization methods for federated learning
1. 云南民族大学 电气信息工程学院, 昆明 650500
2. 云南省无人自主系统重点实验室(云南民族大学), 昆明 650500
3. 云南民族大学 云南省高校信息与通信安全灾备重点实验室, 昆明 650500
摘要
联邦学习作为一种分布式机器学习范式，通过参数聚合机制实现隐私保护下的协同模型训练，在智慧医疗、物联网等领域展现出解决数据孤岛问题的潜力。相比传统集中式学习范式，联邦学习在保护数据隐私的同时，仍需应对通信开销高、动态环境适应性不足等问题，资源受限设备中的计算效率瓶颈严重制约其实际部署。对此梳理了联邦学习效率优化的研究进展，从模型压缩、更新策略优化与数据计算优化三大方向系统梳理了联邦学习效率提升方法。现有研究表明，协同优化压缩策略与动态资源分配可降低通信开销并加速收敛。然而，现有方法仍面临模型精度损失、动态环境适应性不足等挑战。最后展望了未来研究方向，提出探索轻量原生模型架构、智能动态更新机制及高效恶意检测方法，以平衡效率与安全性，推动联邦学习在复杂场景下的规模化应用。
基金项目
国家自然科学基金资助项目(12361104)
教育部-新一代信息技术创新项目(2023IT077)
云南省教育厅科学研究基金资助项目(2025Y0670)
云南省吴中海专家工作站(202305AF150045)
云南省教育厅科学研究基金资助项目(2023Y0499)
CCF-深信服"远望"科研基金资助项目(20240210)
云南省教育厅科学研究基金资助项目(2025Y0670)
出版信息
DOI: 10.19734/j.issn.1001-3695.2025.10.0397
出版期卷: 《计算机应用研究》 优先出版, 2026年第43卷 第5期
发布历史
[2026-01-20] 优先出版
引用本文
董华, 范菁, 郗恩康, 等. 联邦学习的计算效率优化方法综述 [J]. 计算机应用研究, 2026, 43 (5). (2026-01-20). https://doi.org/10.19734/j.issn.1001-3695.2025.10.0397. (Dong Hua, Fan Jing, Xi Enkang, et al. Survey on computational efficiency optimization methods for federated learning [J]. Application Research of Computers, 2026, 43 (5). (2026-01-20). https://doi.org/10.19734/j.issn.1001-3695.2025.10.0397. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
