标题：无线网络中保证隐私的异步联邦学习系统资源优化配置
作者：周折耳 陈小静 张舜卿 孙彦赞
作者单位：上海大学通信与信息工程学院，上海 200444
关键字：异步联邦学习；物理层安全；Transformer；近端策略优化
摘要：异步联邦学习（Asynchronous Federated Learning，AFL）因其高效性已成为传统同步联邦学习（Synchronous Federated Learning，SFL）的解决方案。然而，在无线场景中，AFL仍面临有限的通信、计算资源，以及安全威胁等挑战。提出了一种新的结合Transformer编码器的近端策略优化（Proximal Policy Optimization）双阶段算法框架，该框架联合优化了AFL系统的学习时延、能耗和模型精度，并通过参与设备协作干扰的方式保证物理层安全。大量仿真验证，当目标准确率为0.9时，所提方案相较于基准方案降低了74.2%的训练时延与能耗。