联邦生态：从联邦数据到联邦智能

doi:10.11959/j.issn.2096-6652.202033

智能科学与技术学报 ›› 2020, Vol. 2 ›› Issue (4): 305-313.doi: 10.11959/j.issn.2096-6652.202033

• 评论智能 • 下一篇

联邦生态：从联邦数据到联邦智能

王飞跃¹^,², 王艳芬³, 陈薏竹¹, 田永林¹, 齐红威⁴, 王晓¹^,², 张卫山⁵, 张俊⁶, 袁勇⁷

¹ 中国科学院自动化研究所复杂系统管理与控制国家重点实验室，北京 100190
² 青岛智能产业技术研究院，山东青岛 266109
³ 中国科学院大学资源与环境学院，北京 100049
⁴ 数据堂（北京）科技股份有限公司，北京 100192
⁵ 中国石油大学（华东）计算机科学与技术学院，山东青岛 266580
⁶ 武汉大学电气与自动化学院，湖北武汉 430072
⁷ 中国人民大学数学学院，北京 100872

修回日期:2020-12-01 出版日期:2020-12-15 发布日期:2020-12-01
作者简介:王飞跃（1961- ），男，博士，中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任，中国科学院大学中国经济与社会安全研究中心主任，青岛智能产业技术研究院院长，主要研究方向为平行系统的方法与应用、社会计算、平行智能以及知识自动化。
王艳芬（1969- )，女，博士，中国科学院大学常务副校长、资源与环境学院教授，中国生态学学会副理事长，中国自然资源学会副理事长，国际山地综合发展中心独立理事，主要研究方向为我国草地和湿地生态系统的结构和功能，以及其对气候变化和人类活动干扰的响应和适应。
陈薏竹（1997- ），女，中国科学院自动化研究所复杂系统管理与控制国家重点实验室硕士生，主要研究方向为联邦学习。
田永林（1994- ），男，中国科学技术大学与中国科学院自动化研究所联合培养博士生，主要研究方向为计算机视觉、智能交通。
齐红威（1975- ），男，博士，数据堂（北京）科技股份有限公司董事长、高级工程师，主要研究方向为人工智能数据采集、处理以及联邦数据等。
王晓（1988- ），女，博士，中国科学院自动化研究所复杂系统管理与控制国家重点实验室副研究员，主要研究方向为社会交通、动态网群组织、人工智能和社交网络分析。
张卫山（1970- ），男，博士，中国石油大学（华东）计算机科学与技术学院教授，主要研究方向为大数据智能处理、人工智能。
张俊（1981- ），男，博士，武汉大学电气与自动化学院教授，主要研究方向为智能电网中信息技术、大数据、人工智能技术的应用。
袁勇（1980- ），男，博士，中国人民大学数学学院教授，主要研究方向为区块链、商务智能、计算广告学。

Federated ecology: from federated data to federated intelligence

Fei-Yue WANG¹^,², Yanfen WANG³, Yizhu CHEN¹, Yonglin TIAN¹, Hongwei QI⁴, Xiao WANG¹^,², Weishan ZHANG⁵, Jun ZHANG⁶, Yong YUAN⁷

¹ The State Key Laboratory for Management and Control of Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China
² Qingdao Academy of Intelligent Industries, Qingdao 266109, China
³ College of Resources and Environments, University of Chinese Academy of Sciences, Beijing 100049, China
⁴ Datatang (Beijing) Technology Co., Ltd., Beijing 100192, China
⁵ College of Computer Science and Technology, China University of Petroleum, Qingdao 266580, China
⁶ School of Electrical Engineering and Automation, Wuhan University, Wuhan 430072, China
⁷ Department of Mathematics, Renmin University of China, Beijing 100872, China

Revised:2020-12-01 Online:2020-12-15 Published:2020-12-01

摘要/Abstract

摘要：

针对大数据时代广泛存在的数据孤岛问题，从整体入手，提出了联邦生态的基本框架，并探讨了其结构和运行机制。联邦生态以数据隐私可控为前提，以区块链技术为支撑，以联邦智能为驱动，借助联邦控制实现数据联邦化，通过联邦管理实现服务联邦化。为打破数据孤岛问题，联邦生态充分发挥了大数据和人工智能的潜力，进而为实现联邦智能提供了一种新的思路。

关键词: 联邦生态, 区块链, 联邦智能

Abstract:

In view of the widespread isolated data island in the era of big data, the basic framework of federated ecology was proposed, and its construction and operation mechanism were discussed.Federated ecology was based on the premise of controllable data privacy, supported by blockchain technology and driven by federated intelligence.It realized data federation by means of federated control, and realized federated service through federated management.Federated ecology provides a new way to address the problem of isolated data island, gives full play to the potential of big data and artificial intelligence, and then realizes federated intelligence.

Key words: federated ecology, blockchain, federated intelligence

中图分类号:

TP301

王飞跃, 王艳芬, 陈薏竹, 等. 联邦生态：从联邦数据到联邦智能[J]. 智能科学与技术学报, 2020, 2(4): 305-313.

Fei-Yue WANG, Yanfen WANG, Yizhu CHEN, et al. Federated ecology: from federated data to federated intelligence[J]. Chinese Journal of Intelligent Science and Technology, 2020, 2(4): 305-313.

图/表 2

参考文献 36

[1]	MCMAHAN B , MOORE E , RAMAGE D ,et al. Communication-efficient learning of deep networks from decentralized data[C]// Artificial Intelligence and Statistics.[S.l.:s.n.], 2017: 1273-1282.
[2]	施巍松, 张星洲, 王一帆 ,等. 边缘计算：现状与展望[J]. 计算机研究与发展, 2019,56(1): 69-89.
	SHI W S , ZHANG X Z , WANG Y F ,et al. Edge computing:state-of-the-art and future directions[J]. Journal of Computer Research and Development, 2019,56(1): 69-89.
[3]	袁勇, 王飞跃 . 区块链技术发展现状与展望[J]. 自动化学报, 2016,42(4): 481-494.
	YUAN Y , WANG F Y . Blockchain consensus algorithms:the state of the art and future trends[J]. Acta Automatica Sinica, 2016,42(4): 481-494.
[4]	舒娜, 刘波, 林伟伟 ,等. 分布式机器学习平台与算法综述[J]. 计算机科学, 2019,46(3): 9-18.
	SHU N , LIU B , LIN W W ,et al. Survey of distributed machine learning platforms and algorithms[J]. Computer Science, 2019,46(3): 9-18.
[5]	PHUONG T T . Privacy-preserving deep learning via weight transmission[J]. IEEE Transactions on Information Forensics and Security, 2019,14(11): 3003-3015.
[6]	ZANTEDESCHI V , BELLET A , TOMMASI M . Fully decentralized joint learning of personalized models and collaboration graphs[C]// International Conference on Artificial Intelligence and Statistics.[S.l.:s.n.], 2020: 864-874.
[7]	CHANG K , BALACHANDAR N , LAM C ,et al. Distributed deep learning networks among institutions for medical imaging[J]. Journal of the American Medical Informatics Association, 2018,25(8): 945-954.
[8]	CHANG K , BALACHANDAR N , LAM C K ,et al. Institutionally distributed deep learning networks[J]. arXiv preprint, 2017,arXiv:1709. 05929.
[9]	ZHANG W S , ZHOU T , LU Q H ,et al. Dynamic fusion based federated learning for COVID-19 detection[J]. Journal of Latex Class Files, 2015,14(8).
[10]	WANG F Y , WANG Y F . Parallel ecology for intelligent and smart cyber-physical-social systems[J]. IEEE Transactions on Computational Social Systems, 2020,7(6): 1319-1324.
[11]	徐晋 . 大数据经济学[M]. 上海: 上海交通大学出版社, 2014.
	XU J . Big data economics[M]. Shanghai: Shanghai Jiao Tong University Press, 2014.
[12]	袁勇, 王飞跃 . 平行区块链：概念、方法与内涵解析[J]. 自动化学报, 2017,43(10): 1703-1712.
	YUAN Y , WANG F Y . Parallel blockchain:concept,methods and issues[J]. Acta Automatic Sinica, 2017,43(10): 1703-1712.
[13]	王飞跃 . 软件定义的系统与知识自动化：从牛顿到默顿的平行升华[J]. 自动化学报, 2015,41(1): 1-8.
	WANG F Y . Software-defined systems and knowledge automation:a parallel paradigm shift from Newton to Merton[J]. Acta Automatica Sinica, 2015,41(1): 1-8.
[14]	欧阳丽炜, 王帅, 袁勇 ,等. 智能合约：架构及进展[J]. 自动化学报, 2019,45(3): 445-457.
	OUYANG L W , WANG S , YUAN Y ,et al. Smart contracts:architecture and research progresses[J]. Acta Automatica Sinica, 2019,45(3): 445-457.
[15]	王飞跃 . 智能合约：架构及进展[R]. 2009.
	WANG F Y . Intelligence and times:historical mission and future[R]. 2009.
[16]	王飞跃, 张军, 张俊 ,等. 工业智联网：基本概念,关键技术与核心应用[J]. 自动化学报, 2018,44(9): 1606-1617.
	WANG F Y , ZHANG J , ZHANG J ,et al. Industrial Internet of minds:concept,technology and application[J]. Acta Automatica Sinica, 2018,44(9): 1606-1617.
[17]	吕宜生, 陈圆圆, 金峻臣 ,等. 平行交通：虚实互动的智能交通管理与控制[J]. 智能科学与技术学报, 2019,1(1): 21-33.
	LYU Y S , CHEN Y Y , JIN J C ,et al. Parallel transportation:virtual-real interaction for intelligent traffic management and control[J]. Chinese Journal of Intelligent Science and Technology, 2019,1(1): 21-33.
[18]	刘腾, 王晓, 邢阳 ,等. 基于数字四胞胎的平行驾驶系统及应用[J]. 智能科学与技术学报, 2019,1(1): 40-51.
	LIU T , WANG X , XING Y ,et al. Research on digital quadruplets in cyber-physical-social space-based parallel driving[J]. Chinese Journal of Intelligent Science and Technology, 2019,1(1): 40-51.
[19]	WANG F Y . Agent-based control for networked traffic management systems[J]. IEEE Intelligent Systems, 2005,20(5): 92-96.
[20]	WANG F Y . Toward a revolution in transportation operations:AI for complex systems[J]. IEEE Intelligent Systems, 2008,23(6): 8-13.
[21]	ZHAO Y , GAO H , WANG S ,et al. A novel approach for traffic signal control:a recommendation perspective[J]. IEEE Intelligent Transportation Systems Magazine, 2017,9(3): 127-135.
[22]	WANG F Y . Parallel control and management for intelligent transportation systems:concepts,architectures,and applications[J]. IEEE Transactions on Intelligent Transportation Systems, 2010,11(3): 630-638.
[23]	XIONG G , DONG X S , FAN D ,et al. Parallel traffic management system and its application to the 2010 Asian games[J]. IEEE Transactions on Intelligent Transportation Systems, 2013,14(1): 225-235.
[24]	LYU Y S , DUAN Y J , KANG W W ,et al. Traffic flow prediction with big data:a deep learning approach[J]. IEEE Transactions on Intelligent Transportation Systems, 2015,16(2): 865-873.
[25]	LYU Y S , ZHANG X Q , KANG W W ,et al. Managing emergency traffic evacuation with a partially random destination allocation strategy:a computational-experiment-based optimization approach[J]. IEEE Transactions on Intelligent Transportation Systems, 2015,16(4): 2182-2191.
[26]	DUAN Y J , LYU Y S , LIU Y L ,et al. An efficient realization of deep learning for traffic data imputation[J]. Transportation Research Part C:Emerging Technologies, 2016,72: 168-181.
[27]	HUANG W L , WANG K F , LYU Y S ,et al. Autonomous vehicles testing methods review[C]// IEEE 19th International Conference on Intelligent Transportation Systems. Piscataway:IEEE Press, 2016: 163-168.
[28]	DUAN Y J , LYU Y S , WANG F Y . Travel time prediction with LSTM neural network[C]// IEEE 19th International Conference on Intelligent Transportation Systems. Piscataway:IEEE Press, 2016: 1053-1058.
[29]	王坤峰, 苟超, 王飞跃 . 平行视觉：基于 ACP 的智能视觉计算方法[J]. 自动化学报, 2016,42(10): 1490-1500.
	WANG K F , GOU C , WANG F Y . Parallel vision:an ACP-based approach to intelligent vision computing[J]. Acta Automatica Sinica, 2016,42(10): 1490-1500.
[30]	王飞跃, 王晓, 袁勇 ,等. 社会计算与计算社会：智慧社会的基础与必然[J]. 科学通报, 2015,60(Z1): 460-469.
	WANG F Y , WANG X , YUAN Y ,et al. Social computing and computational societies:the foundation and consequence of smart societies[J]. Chinese Science Bulletin, 2015,60(Z1): 460-469.
[31]	张俊, 王飞跃, 方舟 . 社会能源：从社会中获取能源[J]. 智能科学与技术学报, 2019,1(1): 7-20.
	ZHANG J , WANG F Y , FANG Z . Social energy:mining energy from the society[J]. Chinese Journal of Intelligent Science and Technology, 2019,1(1): 7-20.
[32]	WANG X , ZHENG X H , ZHANG X Z ,et al. Analysis of cyber interactive behaviors using artificial community and computational experiments[J]. IEEE Transactions on Systems,Man,and Cybernetics:Systems, 2017,47(6): 995-1006.
[33]	王飞跃 . 社会信号处理与分析的基本框架：从社会传感网络到计算辩证解析方法[J]. 中国科学：信息科学, 2013,12: 1598-1611.
	WANG F Y . The basic framework of social signal processing and analysis:from social sensor networks to computational dialectical analysis methods[J]. Science China:Information Sciences, 2013,12: 1598-1611
[34]	KANG M Z , WANG F Y . From parallel plants to smart plants:intelligent control and management for plant growth[J]. IEEE/CAA Journal of Automatica Sinica, 2017,4(2): 161-166.
[35]	王秀娟, 华净, 康孟珍 ,等. 基于区块链技术的透明农场[J]. 智能科学与技术学报, 2019,1(4): 400-408.
	WANG X J , HUA J , KANG M Z ,et al. Transparent farm based on blockchain technology[J]. Chinese Journal of Intelligent Science and Technology, 2019,1(4): 400-408.
[36]	康孟珍, 王秀娟, 华净 ,等. 平行农业:迈向智慧农业的智能技术[J]. 智能科学与技术学报, 2019,1(2): 107-117.
	KANG M Z , WANG X J , HUA J ,et al. Parallel agriculture:intelligent technology toward smart agriculture[J]. Chinese Journal of Intelligent Science and Technology, 2019,1(2): 107-117.

联邦生态：从联邦数据到联邦智能

Federated ecology: from federated data to federated intelligence

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 2

参考文献 36

相关文章 11

Metrics

推荐阅读 0

[1]	吕秋云, 程绍鹏, 杨满智, 陈晓光, 王震. 面向元宇宙的数字公民身份认证方案[J]. 智能科学与技术学报, 2022, 4(3): 396-409.
[2]	李娟娟, 王戈, 王晓, 李俊青, 袁勇, 王飞跃. 加密管理：一种基于区块链的新型组织管理模式[J]. 智能科学与技术学报, 2022, 4(2): 145-156.
[3]	康孟珍, 王秀娟, 李冬, 王旭伟, 王浩宇, 樊梦涵, 许钰林, 王飞跃. 基于联邦学习的分布式农业组织[J]. 智能科学与技术学报, 2022, 4(2): 288-297.
[4]	秦蕊, 李娟娟, 王晓, 朱静, 袁勇, 王飞跃. NFT：基于区块链的非同质化通证及其应用[J]. 智能科学与技术学报, 2021, 3(2): 234-242.
[5]	柴洪峰,王帅,涂晓军,孙权,马小峰,吴杰,才华,郑晓龙,王飞跃. 智能化金融科技创新监管工具：理念、平台框架和展望[J]. 智能科学与技术学报, 2020, 2(3): 214-226.
[6]	欧阳丽炜,袁勇,郑心湖,张俊,王飞跃. 基于区块链的传染病监测与预警技术[J]. 智能科学与技术学报, 2020, 2(2): 135-143.
[7]	刘小明,尚春琳,张杰,陈洁,魏向达,朱桂清. 基于区块链技术的高速公路收费凭证信息认证方法研究[J]. 智能科学与技术学报, 2020, 2(2): 153-160.
[8]	王秀娟,华净,康孟珍,王浩宇,袁勇,王飞跃. 基于区块链技术的透明农场[J]. 智能科学与技术学报, 2019, 1(4): 400-408.
[9]	张俊,袁勇,王晓,王飞跃. 量子区块链：融合量子信息技术的区块链能否抵御量子霸权？[J]. 智能科学与技术学报, 2019, 1(4): 409-414.
[10]	丁文文,王帅,李娟娟,袁勇,欧阳丽炜,王飞跃. 去中心化自治组织：发展现状、分析框架与未来趋势[J]. 智能科学与技术学报, 2019, 1(2): 202-213.
[11]	陈思远, 白昱阳, 张俊, 王飞跃. 基于区块链和通证经济的跨国跨洲电力市场机制设计[J]. 智能科学与技术学报, 2019, 1(1): 96-105.