基于联邦知识蒸馏的施工现场隐私保护方法研究

打开文本图片集

摘 要：针对复杂施工现场的数据隐私和实时安全检测问题，提出了一种针对施工现场隐私保护方法研究的联邦知识蒸馏学习框架FedSafety，集成MPI架构与RSA-OAEP/AES-256-GCM混合加密机制，结合多种教师知识蒸馏策略，实现隐私保护的YOLOv7联邦化部署。在包含17840张非独立同分布（Non-IID）施工图像（涵盖昼夜/遮挡场景）的5个区域数据集上验证表明：经30轮联邦训练后，模型准确值mAP@0.5达到集中式训练的96.7%，通信开销降低63.4%，边缘端推理速度稳定在49.7frame/s，验证了该框架在高危作业环境中隐私保护与高效协同的平衡能力，为工业边缘智能提供安全可靠的技术路径。（剩余61字）