| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2023-01-26 13:50 ［奨励講演］プライバシ保護と大規模学習を両立するFederated Learningを用いた無線LAN品質推定 ○堀田幸暉・神保元脩・Thomas Carette（ソニー）・中尾彰宏（東大）  NS2022-155 |
|
| 抄録 | （和） | スマートフォンは無線LAN とセルラーネットワークを切り替えるが，通信品質に基づいて制御されず，低品質なネットワークに接続することがある．このため無線LAN の品質を事前に予測し，その結果に基づきネットワークを切り替えることが必要である．無線LAN の品質を予測する上でBSSID / SSID はアクセスポイントを区別するために有用だが，ユーザの位置情報を把握できるため収集することはプライバシーの保護の観点から望ましくない．また，品質をスマートフォン上で学習・推論するため計算量の多い複雑なアルゴリズムを採用することは困難である．本研究では， Federated Learning を使って無線LAN の品質を予測することで，ユーザのプライバシー情報を保護しながら不要なネットワーク切り替えを抑止する．更にFedHLCR [1] を用いることで，スマートフォン上で学習可能な軽量なアルゴリズムを用いて無線LAN の品質を予測することを可能にする．提案手法は，学習時間や推論時間をそれぞれ1 秒以内に完了させる．さらにスマートフォンのアプリケーションの待機時間を最大85% 削減することを示す． |
| （英） | Switching network algorithm of a smartphone between WLAN and cellular is not based on the quality of the communication channel, which significantly impacts the user when connecting to a low-quality network. Therefore, it is necessary to predict the quality of the WLAN before switching. Parameters such as BSSID/SSID help predict the rate of WLAN, but it is difficult to collect them from a privacy protection perspective. In addition, complex machine learning algorithms cannot be employed to learn and infer quality on a smartphone. We employ Federated Learning and FedHLCR [1] to achieve large-scale training while protecting users’ privacy in the training data, and predicting the quality of WLAN with high accuracy using a lightweight algorithm. We show that the quality of WLANs can be infered with high accuracy and the training and inference times can be achieved within one second, and network selection based on the proposed method can reduce the disuption time by up to 85%. | |
| キーワード | （和） | スマートフォン / Wi-Fi / 機械学習 / 連合学習 / / / / |
| （英） | / / / / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 362, NS2022-155, pp. 31-36, 2023年1月. | |
| 資料番号 | NS2022-155 | |
| 発行日 | 2023-01-19 (NS) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NS2022-155 |
|
| 研究会情報 | |
| 研究会 | NS NWS |
| 開催期間 | 2023-01-26 - 2023-01-27 |
| 開催地（和） | ハイブリッド開催(山口県) |
| 開催地（英） | Hybrid Meeting (Yamaguchi Prefecture) |
| テーマ（和） | NWソフトウエア(ソフトウエアアーキテクチャ，ミドルウエア)，NWアプリケーション，SOA/SDP，NGN/IMS/API，分散制御・ダイナミックルーチング，グリッド，NFV，IoT，NW及びシステム信頼性，NW及びシステム評価，一般 |
| テーマ（英） | Network software (Software architecture, Middleware), Network application, SOA/SDP, NGN/IMS/API, Distributed control/Dynamic routing, Grid, NFV, IoT, Network/System reliability, Network/System evaluation, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | NS |
| 会議コード | 2023-01-NS-NWS |
| 本文の言語 | 日本語 |
| タイトル（和） | プライバシ保護と大規模学習を両立するFederated Learningを用いた無線LAN品質推定 |
| サブタイトル（和） | |
| タイトル（英） | Wireless LAN Quality Estimation Using Federated Learning with Privacy Protection and Large-Scale Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | スマートフォン / |
| キーワード(2)（和/英） | Wi-Fi / |
| キーワード(3)（和/英） | 機械学習 / |
| キーワード(4)（和/英） | 連合学習 / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 堀田 幸暉 / Koki Horita / ホリタ コウキ |
| 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/ヨミ） | 神保 元脩 / Masanobu Jimbo / ジンボウ マサノブ |
| 第2著者 所属（和/英） | ソニーグループ株式会社 (略称： ソニー) Sony Group Corporation (略称： Sony) |
| 第3著者 氏名（和/英/ヨミ） | Thomas Carette / Thomas Carette / |
| 第3著者 所属（和/英） | ソニーグループ株式会社 (略称： ソニー) Sony Group Corporation (略称： Sony) |
| 第4著者 氏名（和/英/ヨミ） | 中尾 彰宏 / Akihiro Nakao / ナカオ アキヒロ |
| 第4著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-01-26 13:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NS |
| 資料番号 | NS2022-155 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.362 |
| ページ範囲 | pp.31-36 |
| ページ数 | 6 |
| 発行日 | 2023-01-19 (NS) |
[研究会発表申込システムのトップページに戻る]