本书围绕无线通信网络中的联邦学习展开。首先介绍联邦学习的兴起，阐述其定义、分类、架构等基础理论。接着详细讲解集中式和去中心化联邦学习的算法原理及实践，包括FedSGD、FedAvg、FedProx等算法，深入探讨联邦学习的隐私保护与攻击防御机制，分析面临的威胁及应对策略。随后聚焦联邦学习优化技术，提出基于智能反射面和Stackelberg博弈等的优化方法。还研究了其在无线网络中的应用，如多智能反射面系数优化和内容流行度预测。最后介绍从联邦学习到联邦分析的拓展，以及无线边缘联邦学习的实战。 本书适合从事无线通信与人工智能融合研究的工程师、科研人员，以及想要了解6G通信技术的读者等学习，也可用作高等院校相关专业的教材及参考书。

第1章 联邦学习基础 001 1.1 人工智能的机遇与挑战 002 1.2 分布式机器学习 005 1.3 6G与联邦学习 011 1.4 联邦学习概述 012 1.4.1 联邦学习的基础概述 013 1.4.2 联邦学习的发展历程 022 1.4.3 联邦学习的应用前景 028 1.4.4 联邦学习的技术挑战 031 1.5 本书组织架构 033 参考文献 036 第2章 集中式联邦学习 039 2.1 联邦随机梯度下降算法——FedSGD 040 2.1.1 算法原理 040 2.1.2 代码实践 044 2.2 联邦平均算法——FedAvg 045 2.2.1 算法原理 045 2.2.2 代码实践 047 2.3 联邦近端优化算法——FedProx 051 2.3.1 算法原理 052 2.3.2 代码实践 055 2.4 总结 060 参考文献 060 第3章 去中心化联邦学习 061 3.1 迭代顺序 063 3.2 联邦架构 065 3.3 网络拓扑 069 3.4 通信机制 072 3.5 安全和隐私 074 3.6 更新范式 078 3.7 开源框架 081 3.8 应用场景 085 3.9 总结 094 参考文献 095 第4章 联邦学习的隐私保护与攻击防御 101 4.1 用户隐私保护 103 4.1.1 参与者、威胁模型和深度隐私 104 4.1.2 防止外部恶意参与者 106 4.1.3 防止恶意服务器 110 4.2 鲁棒性攻击 116 4.2.1 针对模型性能的对抗性攻击 117 4.2.2 非恶意故障模式 125 4.3 总结 127 参考文献 127 第5章 联邦学习优化技术 131 5.1 基于智能反射面辅助的分布式联邦学习优化技术 132 5.1.1 背景 132 5.1.2 系统模型 133 5.1.3 基于贪心算法的用户分组策略 138 5.1.4 仿真分析 140 5.2 联邦学习通信效率优化技术 147 5.2.1 背景 147 5.2.2 系统模型 150 5.2.3 基于Stackelberg博弈的用户调度算法——SCS 153 5.2.4 基于进化理论的无线带宽分配算法 157 5.2.5 仿真分析 160 5.3 总结 169 参考文献 169 第6章 联邦学习在无线网络中的应用 171 6.1 基于联邦学习的多智能反射面系数优化 172 6.1.1 背景 172 6.1.2 系统模型 173 6.1.3 基于联邦学习的反射系数优化算法 177 6.1.4 仿真分析 181 6.2 基于联邦学习的内容流行度预测 185 6.2.1 背景 185 6.2.2 系统模型 186 6.2.3 基于FL-LSTM的流行度预测算法 189 6.2.4 仿真分析 194 6.3 总结 198 参考文献 198 第7章 面向元宇宙的联邦学习 199 7.1 发展背景 200 7.2 相关概念 201 7.2.1 元宇宙 201 7.2.2 人工智能 204 7.2.3 元宇宙中的人工智能 205 7.3 面向元宇宙的联邦学习 206 7.3.1 大数据技术的应用 206 7.3.2 通信技术的应用 211 7.3.3 物联网技术的应用 212 7.3.4 边缘计算技术的应用 220 7.3.5 区块链技术的应用 221 7.3.6 扩展现实技术的应用 222 7.4 总结 223 参考文献 224 第8章 从联邦学习到联邦分析 225 8.1 联邦分析背景 226 8.2 联邦分析相关概念及原理 228 8.2.1 联邦分析的工作架构 229 8.2.2 联邦分析与联邦学习的区别 230 8.3 联邦分析的应用场景 231 8.4 挑战和开放的机遇 233 8.4.1 算法的安全性和隐私性 233 8.4.2 对系统故障的鲁棒性 234 8.4.3 参与激励机制 235 8.4.4 分布式和信任 235 8.5 总结 236 参考文献 237 第9章 无线边缘联邦学习实战 239 9.1 硬件架构 240 9.2 联邦平均算法实战——基于FLOWER框架 245 9.2.1 FLOWER框架简介 245 9.2.2 FedAvg算法实战 246 9.2.3 操作说明 255 9.3 总结 258 参考文献 259