基于时空图注意力网络的联邦学习风险预警研究与应用  

Research and application of federated learning-based risk early warning using spatio-temporal graph attention network

作　　者：符承鹏 陈浩 李志渊 赵福旺 杜渂 何之栋 FU Chengpeng;CHEN Hao;LI Zhiyuan

机构地区：[1]电信科学技术第一研究所有限公司,上海市200032 [2]上海迪爱斯信息技术有限公司,上海市200032

出　　处：《电信快报》2025年第3期18-22,共5页Telecommunications Information

基　　金：上海市“科技创新行动计划”项目(编号:22QB1400200);上海市城市数字化转型专项资金项目(编号:202401074);上海市促进产业高质量发展专项资金项目(编号:2211106);2022年度工业和信息化部大数据产业发展试点示范项目。

摘　　要：针对应急风险预警在多方数据交互中存在的数据孤岛问题,文章提出一个基于FL(联邦学习)的隐私保护框架,用于节点级网络风险预测,设计STGAT(时空图注意力)网络算法以适应不同的时空风险传播模式。基于航线拓扑网络上的模拟实验,全面评估FL的性能,研究客户端数量、聚合策略等因素对性能的影响,引入效能能量指标衡量系统稳健性。研究强调平衡特征一致性、数据均匀性及信息丰富性的重要性,可为风险预警中的FL优化提供重要参考。

关 键 词：FL(联邦学习) 风险预警 效能能量指标 STGAT(时空图注意力) 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]