聯邦學習結合O-RAN 開放基站的發展與展望
雖然本文打的可能會稍微得過於“在烏托邦紙上談兵”，但是我還是覺得聯邦學習結合 O-RAN 超有前景，適合應用在有 Diversity UEs 的專網！ （像是醫院場域，ICU 需要高頻寬量的 video surveillance、又需要 NB-IOT 的穿戴式裝置） BTW: NB-IOT 在 5G 稱為 Redcap 標準 看了一些聯邦學習 (FL) 用於通訊的論文，瞭解聯邦學習的一些痛點 UE 端的算力不一，加上連線狀態不穩定，有高延遲問題 每個 UEs 的資料異質性 (Heterogeneity) 太大（因為使用者的習慣都不一樣），造成聚合伺服器 train 出來的 model 不能用。 Attck 資安問題（UE 傳送惡意資料給伺服器，來搗亂伺服器的 model） 有關 藉由逆向工程 擷取 gradient 或是 paramerter 來反推用戶資訊，這部分我還沒有相關 Solution 或想法 因為由於聯邦學習的隱私保護，我們無法知道 UE 回傳給聚合伺服器的 gradient 是否為惡意。 但是關於要阻止 UE 傳輸惡意資料， 我們一開始就先做 UE 認證~ UE 要接取 O-RAN 的 5G 訊號，就會需要 SIM 卡，那如果先做 SIM 卡/ eSIM+ 裝置認證 ， 讓認證的裝置才能擁有 5G 網路接取權。 然後 UE APP 跟 MEC APP（就是 UE APP 跟 MEC Platform 當中的 Servise registry 和 traffic rules control App 進行認證和授權） 圖源： https://devopedia.org/multi-access-edge-computing 然後其實 UPF 後端還可以再防一層，讓 SMF 和 PCF 來控管數據流，沒通過認證的 UE 或 App 無法 Access MEC 及其後端服務。 （這部分可否用於聯邦學習待研究，因為聯邦學習隱私源則，我們無法得知 gradient 是否為惡意，但是是可以擋一下搗亂聚合伺服器 model 的 DDoS 攻擊，應該是沒問題的） 聯邦學習的痛點是什麼？UEs 系統異質性太大（系統算力不一、有人傳很快、有人低延遲）的問題嘛！ 如果我們進行了 UE 認證，所以 MEC 就知道它下面註冊了哪些裝置， 那我們都知道 O-RAN RIC plat