| 講演名 | 2022-05-13 プライバシー保護と大規模学習を両立するFederated Learningを用いた最適ネットワーク選択手法 堀田 幸暉(ソニー), 中尾 彰宏(東大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | スマートフォンは通信環境の変化によって無線LAN から5G を含むモバイルネットワークに切り替える．機械学習を用いて大量のデータから無線環境を予測するモデルを学習することが有用であるが，学習データにユーザの個人情報を含むため利活用が難しい．本論ではネットワーク選択するモデルの学習にFederated Learning を導入することでユーザープライバシを保護しつつ市場データを使用した大規模学習を可能とし，ネットワークの品質を予測するモデルを構築する．またこれらのモデルを実際にAndroid 端末に搭載し予測させることでネットワークの最適切り替えの有用性を評価する．事前の無線LAN の品質を予測に基づくネットワーク切り替えにより通信断を防ぎ，ユーザの体感を最大400% 改善することにより提案手法が通信品質向上に有効であることを示す． |
| 抄録(英) | A smartphone switches from a wireless LAN to a mobile network, including 5G, due to changes in the communication environment. Although it is useful to employ machine learning to learn a model to predict the wireless environment froma large amount of data, it is difficult to utilize data obtained from the market devices because they contain the personal information of users. In this paper, we introduce Federated Learning for learning network selection models. The model enables large-scalelearning using market data with user privacy protected and developing a model to predict the quality of the network. We evaluate the performance of these models for optimal network switching by installing them on Android devices. Our proposed methodshows that it is effective in improving user experiences by up to 400% by reducing network switching based on advance prediction. |
| キーワード(和) | スマートフォン / Wi-Fi / 機械学習 / 連合学習 |
| キーワード(英) | Smartphone / Wi-Fi / Machine Learning / Federated Learning |
| 資料番号 | NS2022-13 |
| 発行日 | 2022-05-05 (NS) |
| 研究会情報 | |
| 研究会 | NS |
|---|---|
| 開催期間 | 2022/5/12(から2日開催) |
| 開催地（和） | 京都大学楽友会館 + オンライン開催 |
| 開催地（英） | Rakuyu Kaikan, Kyoto Univ. + Online |
| テーマ（和） | 高度プロトコル・ネットワーキング技術(IP及び高位レイヤルーチング・フィルタリング，マルチキャスト，品質・経路制御)，IPNWの利用技術(P2P，P4P，オーバレイ，SIP，NGN)，ネットワークシステム関連技術(システム構成法，インタフェース，アーキテクチャ，ハードウェア・ソフトウェア・ミドルウェア)，セキュリティ，ブロックチェーン，一般 |
| テーマ（英） | High level protocol, Networking technologies (IP and high-layer routing/filtering, Multicast, Quality/Routing control), IP network application technologies (P2P, P4P, Overlay, SIP, NGN), Network system related technologies (System configuration, Interface, Architecture, Hardware/Software/Middleware), Security, Blockchain etc. |
| 委員長氏名（和） | 中尾 彰宏(東大) |
| 委員長氏名（英） | Akihiro Nakao(Univ. of Tokyo) |
| 副委員長氏名（和） | 大石 哲矢(NTT) |
| 副委員長氏名（英） | Tetsuya Oishi(NTT) |
| 幹事氏名（和） | 池邉 隆(NTT) / 吉田 雅裕(中大) |
| 幹事氏名（英） | Takashi Ikebe(NTT) / Masahiro Yoshida(Chuo Univ.) |
| 幹事補佐氏名（和） | 三原 孝太郎(NTT) |
| 幹事補佐氏名（英） | Kotaro Mihara(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Network Systems |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | プライバシー保護と大規模学習を両立するFederated Learningを用いた最適ネットワーク選択手法 |
| サブタイトル（和） | |
| タイトル（英） | Optimal Network Selection Method Using Federated Learning for Achieving Both Privacy Preservation and Large-Scale Learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | スマートフォン / Smartphone |
| キーワード(2)（和/英） | Wi-Fi / Wi-Fi |
| キーワード(3)（和/英） | 機械学習 / Machine Learning |
| キーワード(4)（和/英） | 連合学習 / Federated Learning |
| 第 1 著者 氏名（和/英） | 堀田 幸暉 / Koki Horita |
| 第 1 著者 所属（和/英） | ソニー株式会社(略称：ソニー) Sony Corporation(略称：Sony) |
| 第 2 著者 氏名（和/英） | 中尾 彰宏 / Akihiro Nakao |
| 第 2 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：UTokyo) |
| 発表年月日 | 2022-05-13 |
| 資料番号 | NS2022-13 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | NS-16 |
| ページ範囲 | pp.23-28(NS), |
| ページ数 | 6 |
| 発行日 | 2022-05-05 (NS) |