Communication-Efficient FedProx-Binary FedVote for Dual-Task Wi-Fi Fingerprint Indoor Localization
تقترح هذه الورقة إطار عمل FedProx-Binary FedVote فعالاً في الاتصالات لتحديد الموقع الداخلي باستخدام بصمة واي فاي ذات مهمتين، والذي يقلل بشكل كبير من عرض نطاق التردد الصاعد عبر نقل اتجاهات التحديث ببت واحد مع الحفاظ على دقة عالية ومتانة في ظل ظروف البيانات غير المتجانسة (Non-IID) القوية من خلال تنظيم FedProx.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في الهمس الهادئ لمركز تسوق، أو ممر مستشفى، أو حرم جامعي، ترتد إشارات غير مرئية من أجهزة توجيه الواي فاي (Wi-Fi) باستمرار عن الجدران والأثاث والأشخاص. تخلق هذه الإشارات نمطاً فريداً ومتغيراً من القوة والضعف في كل نقطة محددة، تماماً مثل بصمة يتركها الهواء نفسه. لعقود من الزمن، حاول المهندسون استخدام هذه الأنماط لتحديد موقع الهاتف بدقة داخل المبنى، وهي مهمة لا تستطيع أنظمة تحديد المواقع العالمية (GPS) القيام بها لأن السقف يحجب السماء. الطريقة التقليدية لبناء نظام يفهم هذه الأنماط تتضمن جمع آلاف العينات من هذه الإشارات من أشخاص مختلفين وإرسالها جميعاً إلى حاسوب مركزي. ومع ذلك، يثير هذا النهج مشكلتين كبيرتين: فهو يستهلك قدراً كبيراً من عرض نطاق الإنترنت لإرسال البيانات، ويتطلب من الناس مشاركة تاريخ تحركاتهم الخاص، وهو أمر لا يرغب فيه الكثيرون.
ولحل هذه المشكلة، لجأ الباحثون إلى طريقة تسمى "التعلم الاتحادي" (Federated Learning)، حيث يسافر النموذج الحاسوبي إلى البيانات بدلاً من انتقال البيانات إلى الحاسوب. في هذا الإعداد، يتعلم كل هاتف من أنماط الإشارة المحلية الخاصة به ويرسل فقط الدروس التي تعلمها إلى خادم مركزي، مما يحافظ على سلامة البيانات الخام داخل الجهاز. وبينما يحمي هذا الخصوصية، فإنه يخلق اختناقاً جديداً: لا تزال الهواتف مضطرة لإرسال ملخصات تفصيلية ضخمة لدروسها، مما قد يؤدي إلى ازدحام الشبكة. وقد طور فريق من الباحثين من جامعة هونان للعلوم والتكنولوجيا الآن طريقة تجعل هذه العملية أخف بكثير وأكثر قوة، مما يسمح للهواتف بإرسال دروسها كاتجاهات بسيطة مكونة من بت واحد (one-bit) بدلاً من ملفات بيانات معقدة وثقيلة، حتى عندما تكون البيانات على كل هاتف مختلفة تماماً عن غيرها.
ركز الباحثون على تحدٍ محدد في الملاحة الداخلية: معرفة ليس فقط المنطقة العامة، بل المبنى المحدد والطابق المحدد بدقة. في المجمعات الكبيرة مثل الجامعات أو المستشفيات، يجب أن يحدد النظام كلاً من المبنى والطابق بشكل صحيح ليكون مفيداً. أجرى الفريق تجربة باستخدام مجموعة بيانات واقعية من إشارات الواي فاي التي تم جمعها من مبانٍ وطوابق متعددة. قاموا بمحاكاة شبكة من عشرة مستخدمين مختلفين، يحمل كل منهم هاتفاً يحتوي على مجموعة فريدة من بيانات الإشارة. في العالم الحقيقي، قد يقضي مستخدم ما معظم وقته في الطابق الأول من مكتبة، بينما يتواجد آخر دائماً في الطابق الثالث من مبنى العلوم. هذا التوزيع غير المتوازن للبيانات، المعروف باسم (non-IID)، يجعل من الصعب على الحاسوب المركزي الاتفاق على خريطة واحدة دقيقة، لأن كل مستخدم يحاول تعليم النظام نسخة مختلفة قليلاً من الواقع.
اختبر الفريق أولاً طريقة قياسية حيث ترسل الهواتف تحديثات كاملة وتفصيلية إلى الخادم. نجحت هذه الطريقة عندما كانت البيانات متوازنة نوعاً ما، لكنها تطلبت إرسال حوالي 200.33 ميجابايت من البيانات عبر الشبكة. ثم جربوا نهجاً جديداً مستوحى من تقنية تسمى (FedVote)، حيث بدلاً من إرسال الدرس الكامل، يرسل كل هاتف ببساد مجرد بت واحد من المعلومات يشير إلى ما إذا كان يجب تعديل جزء معين من النموذج للأعلى أو للأسفل. قلل هذا من البيانات المرسلة إلى الخادم لتصل إلى 6.26 ميجابايت فقط، وهو تقليص هائل حافظ على خفة الشبكة. وفي ظل الظروف التي كانت فيها البيانات غير متوازنة بشكل متوسط، قدمت هذه الطريقة البسيطة أداءً يضاهي الطريقة الثقيلة والتفصيلية، حيث حددت المبنى والطابق بشكل صحيح في ما يقرب من 91 بالمئة من الحالات.
ومع ذلك، وجد الباحثون أنه عندما كانت البيانات غير متوازنة للغاية -بمعنى أن كل مستخدم كان عالقاً في جزء محدد ومعزول من المبنى- بدأت الطريقة البسيطة ذات البت الواحد في التعثر. كانت الهواتف ترسل اتجاهات متضاربة، وواجه الخادم المركزي صعوبة في إيجاد مسار واضح للمضي قدماً. ولإصلاح ذلك، أضاف الفريق قاعدة تثبيت إلى عملية التدريب المحلي. شجعت هذه القاعدة كل هاتف بلطف على البقاء قريباً من النموذج العالمي الحالي، مما يمنعه من الانجراف بعيداً نحو منظوره الضيق الخاص. ومن خلال الجمع بين قاعدة التثبيت هذه ونظام التصويت ذي البت الواحد، ابتكر الباحثون طريقة يمكنها التعامل حتى مع سيناريوهات البيانات الأكثر صعوبة وعدم توازن.
أظهرت النتائج أن هذا النهج المشترك كان فعالاً للغاية. فعندما كانت البيانات منحازة بشدة، تمكنت طريقة التصويت البسيطة وحدها من تحديد المبنى والطابق بشكل صحيح في حوالي 69.76 بالمئة من الحالات. ولكن مع إضافة قاعدة التثبيت، قفزت الدقة إلى 86.91 بالمئة، مع الحفاظ على نقل البيانات عند المستوى الضئيل البالغ 6.26 ميجابايت. لقد أثبت الباحثون أنه من الممكن تحقيق تحديد دقيق للمواقع الداخلية دون إغراق الشبكة بالبيانات أو المساس بخصوصية المستخدم. ويشير عملهم إلى أن أنظمة الملاحة الداخلية المستقبلية يمكن أن تكون فعالة ودقيقة في آن واحد، معتمدة على إشارات بسيطة وخفيفة من العديد من الأجهزة لبناء صورة واضحة لعالم داخلي معقد، دون الحاجة أبداً لرؤية البيانات الخام نفسها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.