SecFD-FL：频率解耦联邦学习充电负荷预测框架
热点事件持续更新
SecFD-FL：频率解耦联邦学习充电负荷预测框架
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Mamunur Rashid 等研究者提出 SecFD-FL，一个面向电动汽车物联网（IoEV）充电负荷预测的频率解耦联邦学习框架，用双流 GRU 分别建模短期与长期充电负荷波动，并加入基于零和加性掩码的轻量安全聚合层保护隐私。论文称实验显示其全局 RMSE 较集中式基线最多降低 60%，客户端间 Jain 公平性达 0.991，DLG 攻击重构相关性较 FedAvg 降低 8 至 15 倍，且除一次性密钥交换外每轮无额外通信开销。 该工作已投稿 IEEE 待发表，目前发布于 arXiv eess.SY。
AI 根据报道生成 · 3 小时前更新
最新进展10月12日 12:00
SecFD-FL：面向电动汽车充电负荷预测的频率解耦联邦学习框架报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv eess.SY 系统与控制精选SecFD-FL：面向电动汽车充电负荷预测的频率解耦联邦学习框架
论文提出 SecFD-FL，一个面向 Internet of Electric Vehicles (IoEV) 的频率解耦联邦学习框架，用于充电负荷预测，包含双流 GRU 网络分别建模短期与长期充电负荷波动，以及采用零和加性掩码协议的轻量安全聚合层。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 810月12日 18:00
- 近 24 小时变化
- –
02.557.510
18:0019:0020:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。