資源受限

深度分析

資源受限環境下的聯邦學習：TITAN‑FedAnil+ 以區塊鏈與 Affinity Propagation 提升效能與安全

隨著智慧企業需要在保護隱私的同時進行分散式學習，研究提出TITAN‑FedAnil+結合區塊鏈與適應性聚合，以過濾惡意更新並減少記憶體負擔。實驗顯示在8 GB邊緣設備上，記憶體使用降低至81%，且在20輪訓練中保持超過92%的準確度。同時提供區塊鏈共識的狀態簽名機制，確保模型不可篡改。