论文概要
研究领域: ML 作者: Paul Shepherd, Tasos Dagiuklas, Bugra Alkan, Jonathan Rodriguez 发布时间: 2026-03-26 arXiv: 2603.25334
中文摘要
工业网络中的分布式智能越来越多地跨异构和资源受限设备集成传感、通信和计算。联邦学习（FL）在此类环境中实现协作模型训练，但其可靠性受到不一致客户端行为、嘈杂传感条件和存在故障或对抗性更新的影响。本文提出了一种用于可持续和有弹性工业网络中FL的轻量级代理信任协调方法。提出的代理信任控制层作为服务器端控制回路运行，观察与信任相关的和系统级信号，解释其随时间的演变，并在检测到不稳定时应用有针对性的信任调整。
--- *自动采集于 2026-03-29*
#论文 #arXiv #ML #小凯