联邦学习隐私保护的图像语义通信研究

摘要

传统语义通信系统通常依赖集中式数据处理和模型训练，但在隐私保护需求日益增长的背景下，该方式难以适应复杂通信场景。为此，提出一种基于联邦学习的图像语义通信架构，以在保障用户隐私的同时提升通信系统性能。该架构采用变分自编码器(variational autoencoder, VAE)进行图像语义编解码，并将模型训练分布至用户边缘设备。用户利用本地数据独立训练模型，仅上传更新的模型参数至中央服务器，以避免数据泄露。服务器聚合各用户参数优化全局模型，从而提升图像语义恢复能力。相较于单纯的本地训练，联邦学习能够有效整合多方数据分布的信息，提高模型泛化能力与通信效率。仿真结果表明，该方法在保证隐私安全的同时，能够显著提升图像恢复质量。

关键词

语义通信 / 机器学习 / 联邦学习 / 隐私保护 / 变分自编码器(VAE)

基金资助

国家自然科学基金项目(62071077,62301099); 重庆市自然科学基金项目(2022NSCQ-LZX0191)