训练成本大降
该框架通过模型分割与分层聚合增强隐私保护，并在数字孪生辅助下实现高效资源调度，特别适用于资源受限的移动网络。
Zhao, Lindong · Ni, Shouxiang · Wu, Dan · 周亮
IEEE Journal on Selected Areas in Communications 2023
客户端与边缘服务器之间进行模型分割，使攻击者无法获得完整梯度，从而在计算上无法实施梯度泄漏攻击。
DT辅助的多智能体深度强化学习调度器联合优化客户端关联和信道分配，相比基线节省约40%的训练成本。
在节省训练成本的同时，学习精度基本保持不变，表明该框架不会牺牲模型性能。