30 jan 2025
14:00 Defesa de Doutorado Auditório do IC3
Tema
Aprendizado Federado Ciente da Mobilidade em Computação de Borda Veicular para Aplicações de Veículos Autônomos
Aluno
Wellington Viana Lobato Junior
Orientador / Docente
Leandro Aparecido Villas/Coorientador - Denis Lima do Rosário
Breve resumo
"A rápida proliferação de veículos conectados e autônomos (Connected and Autonomous Vehicles - CAVs) ressalta a necessidade crítica de estruturas de processamento de dados eficientes que preservem a privacidade em redes veiculares. Esta tese propõe um conjunto de soluções para integrar o aprendizado federado (Federated Learning - FL) com a consciência da mobilidade dentro da computação de borda veicular (Vehicular Edge Computing - VEC), a fim de abordar os desafios únicos impostos pelos ambientes CAV, como alta mobilidade, condições de comunicação dinâmicas e heterogeneidade de recursos. O FL oferece um paradigma de treinamento de modelo descentralizado que preserva a privacidade ao manter os dados localizados, um recurso crucial, dada a sensibilidade dos dados veiculares.
No entanto, sua aplicação na VEC é limitada por fatores como conectividade intermitente, recursos computacionais locais restritos e heterogeneidade de dados. Esta tese apresenta três contribuições principais para superar esses desafios: O FLEXE, um ambiente de simulação projetado para avaliar o FL em cenários VEC, integrando simuladores de rede veicular com estruturas de aprendizado de máquina, o que permite uma análise realista de aplicações FL; O GYRFALCON, um mecanismo de FL semi-assíncrono que ajusta dinamicamente os pontos de sincronização com base em métricas de conectividade em tempo real, otimizando a agregação e reduzindo a sobrecarga de comunicação, sem comprometer a precisão do modelo; O MELRO, um algoritmo de atribuição de FL multimodelo que aloca dinamicamente modelos para clientes com base na duração do link, entropia de dados e latência de treinamento, garantindo o uso eficiente dos recursos de borda e minimizando tarefas incompletas.
As soluções propostas nesta tese foram comparadas com abordagens da literatura em várias métricas de desempenho, considerando cenários realistas de mobilidade veicular. As contribuições apresentadas aumentam a escalabilidade, robustez e adaptabilidade do FL para VEC, oferecendo soluções para o desenvolvimento de sistemas que preservam a privacidade, dando suporte a aplicações de veículos autônomos. Os resultados demonstram que as soluções desenvolvidas são robustas para enfrentar os desafios de alta mobilidade e heterogeneidade de recursos, promovendo a eficiência do FL em ambientes VEC."
Banca examinadora
Titulares:
| Leandro Aparecido Villas | IC/UNICAMP |
| Augusto José Venâncio Neto | UFRN |
| Rodolfo Ipolito Meneguette | ICMC/USP |
| Juliana Freitag Borin | IC/UNICAMP |
| Lucas Francisco Wanner | IC/UNICAMP |
Suplentes:
| Luiz Fernando Bittencourt | IC/UNICAMP |
| Judy Carolina Guevara Amaya | IC/UNICAMP |
| Bruno Yuji Lino Kimura | ICT/UNIFESP |
| Maycon Leone Maciel Peixoto | IC/UFBA |