‫‪Machine Translated by Google‬‬

‫‪1‬‬

‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‪:‬‬
‫ﺘﻌﻠﻢ اﻟﻤﻮﺣﺪ ﻹﻧ‬
‫اﻟ‬
‫ﺘﺤﺪﻳﺎ ت واﻟﻔﺮص‬
‫ﺒﻴﻘﺎ ت واﻟ‬
‫ﺘﻄ‬‫اﻟ‬
‫‪Tuo Zhang‬و ‪Lei Gao‬و ‪Chaoyang He‬و ‪Mi Zhang‬و ‪Bhaskar Krishnamachari‬و ‪Salman Avestimehr‬‬

‫ﺘﻔﺎدة ﻣﻦﺳﺮﻋ ﺔ‬
‫ﺒﻞ اﻟﻘﺮﻳ ﺐ ‪ ،‬ﻟﻼﺳ‬
‫ﺘﻘ‬‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ﻓ ﻲ اﻟﻤ ﺴ‬
‫ﺘﻢ ﻧﺸﺮ ﻣﻠﻴﺎرا ت ﻣﻦ أﺟﻬﺰة إﻧ‬
‫اﻟﻤﻠﺨﺺ ‪-‬ﺳﻴ‬
‫ﺘﺮﻧ ﺖ‬
‫ﺒﺮ ﻣﻦ ‪5G / 6G.‬ﻣﻊ ﻧﻤﻮ أﺟﻬﺰة إﻧ‬
‫ﺑﺄﻋﺪاد أﻛ‬‫ﺒﺮ‬
‫ﺘﺮﻧ ﺖ اﻷﺳﺮع وإﻣﻜﺎﻧﻴ ﺔ اﻟﺤﺼﻮل ﻋﲆ ﻧﻘﺎط ﻧﻬﺎﻳ ﺔ أﻛ‬
‫اﻹﻧ‬
‫ﺘﺨﺪﻣﻴﻦ اﻟﺨﺎﺻ ﺔ‪.‬ﺳﻮف‬
‫ﺘﻮي ﻋﲆ ﻣﻌﻠﻮﻣﺎ ت اﻟﻤ ﺴ‬
‫ﺘ ﻲ ﻗﺪﺗﺤ‬
‫ﺒﻴﺎﻧﺎ ت اﻟ‬
‫ﺘﻢ إﻧﺸﺎء ﻛﻤﻴﺎ ت ﻫﺎﺋﻠ ﺔ ﻣﻦ اﻟ‬
‫اﻷﺷﻴﺎء ‪،‬ﺳﻴ‬
‫ﺒﻴﺌ ﻲ‬
‫ﺘﺰاﻳﺪ اﻟﻨﻈﺎم اﻟ‬
‫ﺑﺸﻜﻞ ﻣ‬‫ﺑﻤﺨﺎوف اﻟﺨﺼﻮﺻﻴ ﺔ ‪،‬‬‫ﺘﺨﺰﻳﻦ ‪ ،‬اﻟﻤﻤﺰوﺟ ﺔ‬
‫ﺗﺼﺎﻻ ت واﻟ‬
‫ﺗﻔﻌ ﺔ ﻟﻼ‬
‫ﺘﻜﺎﻟﻴﻒ اﻟﻤﺮ‬
‫ﺘﺤﺪى اﻟ‬
‫ﺗ‬
‫ﺒﺎره‬
‫ﺘ‬‫ﺑﺎﻋ‬
‫ﺘﻌﻠﻢ اﻟﻔﻴﺪراﻟ ﻲ )‪(FL‬‬
‫ﺑﺮز اﻟ‬‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‪.‬‬
‫ﺑ ﺔ واﻟﻤﻌﺎﻟﺠ ﺔ ﻟﻤﻨﺼﺎ ت إﻧ‬
‫ﺒﺮ اﻟ ﺴﺤﺎ‬
‫ﺘﻌﻠﻢ اﻟﻤﺮﻛﺰي ﻋ‬
‫ﺘﻘﻠﻴﺪي ﻟﻠ‬
‫اﻟ‬
‫ﺑﺔ‬
‫ﺜﺎ‬
‫ﺑﻤ‬‫ﺒﻴﺎﻧﺎ ت‬
‫ﺘﻨﺪة إﱃ اﻟ‬
‫ﺘﻌﻠﻢ اﻵﻟ ﻲ اﻟﻤ ﺴ‬
‫ﺒﺪﻳﻞ اﻟﻮاﻋﺪ ﻟﻬﺬه اﻟﻤﺸﻜﻠ ﺔ‪ .‬ﻓ ﻲ ‪FL ،‬ﻳﻌﺪﺗﺪرﻳ ﺐ ﻧﻤﺎذج اﻟ‬
‫اﻟﻨﻬﺞ اﻟ‬
‫ﺘﺎﻟ ﻲﺗﺨﻔﻴﻒﺗﻜﺎﻟﻴﻒ‬
‫ﺑﺎﻟ‬
‫ﺒﻴﺎﻧﺎ ت إﱃ ﻧﻘﻄ ﺔ ﻣﺮﻛﺰﻳ ﺔ ‪ ،‬و‬
‫ﺑﻴﻦ اﻟﻌﺪﻳﺪ ﻣﻦ اﻟﻌﻤﻼء دون اﻟﺤﺎﺟ ﺔ إﱃ إﺣﻀﺎر اﻟ‬‫ﺗﻌﺎون‬
‫ﺑﻌﺾ‬‫ﺘﺨﺪم‪ .‬وﻣﻊ ذﻟﻚ ‪ ،‬ﻻﺗﺰال ﻫﻨﺎك‬
‫ﺘﻮى اﻟﻤ ﺴ‬
‫ﺒﻴﺮة ﻣﻦ اﻟﺨﺼﻮﺻﻴ ﺔ ﻋﲆ ﻣ ﺴ‬
‫ﺗﻮﻓﻴﺮ درﺟ ﺔ ﻛ‬
‫ﺘﺨﺰﻳﻦ و‬
‫ﺗﺼﺎل واﻟ‬
‫اﻻ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‪ .‬ﻓ ﻲ ﻫﺬه اﻟﻮرﻗ ﺔ ‪،‬ﺳﻨﻨﺎﻗ ﺶ‬
‫ﺒﻜﺎ ت إﻧ‬
‫ﺘﺤﺪﻳﺎ ت اﻟﻤﻮﺟﻮدة ﻓ ﻲﺗﻨﻔﻴﺬ ﻧﻈﺎم ‪FL‬اﻟﺤﻘﻴﻘ ﻲ ﻋﲆ ﺷ‬
‫اﻟ‬
‫ﺒﻴﻘﺎ ت‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ‪ ،‬وﻛﺬﻟﻚ ﻛﻴﻒﻳﻤﻜﻨﻬﺎﺗﻤﻜﻴﻦﺗﻄ‬
‫ﺘ ﻲﺗﻮاﺟﻬﻬﺎ ‪FL‬ﻓ ﻲ ﻣﻨﺼﺎ ت إﻧ‬
‫ﺘﺤﺪﻳﺎ ت اﻟ‬
‫اﻟﻔﺮص واﻟ‬
‫ﺘﻨﻮﻋ ﺔ‪.‬‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء اﻟﻤ‬
‫إﻧ‬

‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ‪(IoT).‬‬

‫ﺘﻌﻠﻢ اﻟﻤﻮﺣﺪ ﻹﻧ‬
‫اﻟﺸﻜﻞ ‪1:‬اﻟ‬

‫ﺒﻜ ﺔ ﺣﻴ ﺚﻳﻜﻮن ﻛﻞ ﺟﻬﺎز ‪IoT‬ﻋﲆ اﻟﺤﺎﻓ ﺔ ﻋﻤﻴ ﻼ ً ﻓﺮدﻳًﺎ‪.‬‬

‫ﺒﻴﻌﻴ ﺔ ﻟﺤﺎﻓ ﺔ اﻟﺸ‬
‫ﺘﻌﺎوﻧﻴ ﺔ ﻟـ ‪FL‬ﻣﻼﺋﻤ ﺔ ﻃ‬
‫ﺒﻴﻌ ﺔ اﻟ‬
‫ﺗﻌﺪ اﻟﻄ‬

‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‬
‫ﺘﻢ ﺟﻤﻌﻬﺎ ﻓ ﻲ ﻛﻞ ﺟﻬﺎز ﻣﻦ أﺟﻬﺰة إﻧ‬
‫ﺘ ﻲﻳ‬
‫ﺒﻴﺎﻧﺎ ت اﻷوﻟﻴ ﺔ اﻟ‬
‫ﻋﻼوة ﻋﲆ ذﻟﻚ ‪ ،‬ﻧﻈ ﺮًاﻷن اﻟ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء وﻧ ﺴﻠﻂ اﻟﻀﻮء‬
‫ﺒﻌ ﺔﺗﺤﺪﻳﺎ ت ﺣﺎﺳﻤ ﺔ ل ‪FL‬ﻓ ﻲ ﻣﻨﺼﺎ ت إﻧ‬
‫ﻋﲆ وﺟﻪ اﻟﺨﺼﻮص ‪ ،‬ﻧﺤﺪد وﻧﻨﺎﻗ ﺶﺳ‬ ‫ﺘﺮﻧ ﺖ‬
‫ﺘﺨﺪم ﺧﺎﺻ ﺔ ﻓ ﻲ ﻣﺠﺎل إﻧ‬
‫ﺘﻢ ﻧﻘﻠﻬﺎ إﱃ اﻵﺧﺮﻳﻦ ‪،‬ﺗﻮﻓﺮ ‪FL‬آﻟﻴ ﺔ ﻓﻌﺎﻟ ﺔ ﻟﺤﻤﺎﻳ ﺔ ﺧﺼﻮﺻﻴ ﺔ اﻟﻤ ﺴ‬
‫ﻻﻳ‬
‫ﺘﻬﺎ‪.‬‬
‫ﺜ ﺔﺗﺠﺎه ﻣﻌﺎﻟﺠ‬
‫ﺑﻌﺾ اﻷﺳﺎﻟﻴ ﺐ اﻟﻮاﻋﺪة اﻟﺤﺪﻳ‬‫ﻋﲆ‬
‫ﺘﺨﺪﻣﻴﻦ‬
‫ﺒﺎﺷﺮة ﺣﻮل اﻟﻤ ﺴ‬
‫ﺑﻴﺎﻧﺎ ت ﻣ‬‫ﺘﻘﺎط‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء اﻟ‬
‫ﺘﺸﻌﺎر إﻧ‬
‫اﻷﺷﻴﺎء ﺣﻴ ﺚﻳﻤﻜﻦﻷﺟﻬﺰة اﺳ‬
‫ﺘﻮي ﻋﲆ ﻣﻌﻠﻮﻣﺎ ت ﺷﺨﺼﻴ ﺔ ﺣ ﺴﺎﺳ ﺔ ﻟﻠﺨﺼﻮﺻﻴ ﺔ‪.‬‬
‫ﺘ ﻲﺗﺤ‬
‫اﻟ‬
‫ﺷﺮوط اﻟﻔﻬﺮس ‪- Federated Learning، IoT‬‬

‫ً‬
‫ﺑﻌﻀﺎ ﻣﻦ أ ﻫﻢ‬‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء وﻧﻨﺎﻗ ﺶ‬
‫ﺘ ﻲﺗﻘﺪﻣﻬﺎ ‪FL‬إﱃ ﻣﺠﺎل إﻧ‬
‫ﺑﺈﻳﺠﺎز اﻟﻤﺰاﻳﺎ اﻟ‬‫ﻓ ﻲ ﻫﺬه اﻟﻤﻘﺎﻟ ﺔ ‪ ،‬ﻧﺸﺮح‬

‫ﺒﺮ‬
‫ﺒﺎرزة ﻋ‬
‫ﺘﺤﺪﻳﺎ ت اﻟ‬
‫ﺑﻌﺾ اﻟ‬‫ﺑﻌﺪ ذﻟﻚ ﻋﲆ ﻣﻨﺎﻗﺸ ﺔ‬‫ﺛﻢ ﻧﺮﻛﺰ‬‫ﺘﻴﺤﻬﺎ ﻫﺬه اﻟﻤﺰاﻳﺎ‪.‬‬
‫ﺘ ﻲﺗ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء اﻟ‬
‫ﺒﻴﻘﺎ ت إﻧ‬
‫ﺗﻄ‬

‫أوﻻ ‪-‬ﻣﻘﺪﻣ ﺔ‬ ‫ﺘ ﻲﺗﻌﻤﻞ‬

‫ﺘﻄﻮﻳﺮ اﻟ‬
‫ﺒﻜﺎ ت واﻷﻣﺎن واﻟﻘﻀﺎﻳﺎ اﻟﻌﻤﻠﻴ ﺔ ﻓ ﻲ ﻋﻤﻠﻴﺎ ت اﻟﻨﺸﺮ ﻓ ﻲ اﻟﻌﺎﻟﻢ اﻟﺤﻘﻴﻘ ﻲ وأدوا ت اﻟ‬
‫اﻷﻧﻈﻤ ﺔ واﻟﺸ‬

‫ﺘﻤﻴﻴﺰ‬
‫ﺘﺤﺪﻳﺎ ت‪ .‬ﻟ‬
‫ﺘﺎﺣ ﺔ ﻟﻤﻮاﺟﻬ ﺔ ﻫﺬه اﻟ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء واﻟﻔﺮص اﻟﻤ‬
‫ﺘﻤﻜﻴﻦ ‪FL‬ﻓ ﻲ ﻣﺠﺎل إﻧ‬
‫ﺋﻴ ﺴﻴ ﺔ ﻟ‬
‫ﺑ ﺔ اﻟﺤﻮاﺟﺰ اﻟﺮ‬
‫ﺜﺎ‬
‫ﺑﻤ‬
‫ﺘﻢ إﻧﺸﺎؤ ﻫﺎ ﻋﲆ ﺣﺎﻓ ﺔ‬
‫ﺘ ﻲﻳ‬
‫ﺒﻴﺎﻧﺎ ت اﻟ‬
‫ﺘ ﺴﺎرع ﻟﻠ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء )‪(IoT‬إﱃ ﻧﻤﻮ ﻣ‬
‫ﺘﻮﺳﻊ ﻓ ﻲ إﻧ‬
‫ﺘﻘﺪم اﻟ ﺴﺮﻳﻊ واﻟ‬
‫ﻳﺆدي اﻟ‬ ‫ﺘﺤﺪﻳﺎ ت اﻟﻤﻌﺮوﻓ ﺔ‬
‫ﺑﺎﻹﺿﺎﻓ ﺔ إﱃﺗﻮﺿﻴﺢ اﻟ‬‫ﺘﺤﺪﻳﺎ ت اﻟﺠﺪﻳﺪة‬
‫ﺜﻞ ‪[2] - [5] ،‬ﻧﺮﻛﺰ ﻋﲆ اﻟ‬
‫ﻋﻤﻠﻨﺎ ﻋﻦ اﻟﺠﻬﻮد اﻟﺤﺎﻟﻴ ﺔ ﻣ‬
‫ﺘﺤﻠﻴﻞ‬
‫ﺘﻘﻠﻴﺪﻳ ﺔ ﻟ‬
‫ﺑ ﺔ اﻟ‬
‫ﺘﻮﺳﻊﺗﺤﺪﻳﺎ ت ﺟﺪﻳﺪة ﻋﲆ اﻷﺳﺎﻟﻴ ﺐ اﻟﻤﺮﻛﺰﻳ ﺔ اﻟﻘﺎﺋﻤ ﺔ ﻋﲆ اﻟ ﺴﺤﺎ‬
‫ﺘﻘﺪم واﻟ‬
‫ﺒﻜ ﺔ‪.‬ﻳﻔﺮض ﻫﺬا اﻟ‬
‫اﻟﺸ‬ ‫ﺒﺤ ﺚ ﺟﺪﻳﺪ‬
‫ﺒﻞ‪ .‬ﻧﺄﻣﻞ أنﻳﻜﻮن ﻫﺬا اﻟﻤﻘﺎل ﻣﺼﺪر إﻟﻬﺎم ﻟ‬
‫ﺘﻬﺎ ﻣﻦ ﻗ‬
‫ﺘﻢ ﻣﻨﺎﻗﺸ‬
‫ﺘ ﻲ ﻟﻢﺗ‬
‫ﻣﻦ وﺟﻬﺎ ت اﻟﻨﻈﺮ اﻟﺠﺪﻳﺪة اﻟ‬
‫ﺘﻮى‬ ‫ﺒﻴﻦ أﺳﺎﺳﻴﻴﻦ‪ .‬أوﻻ ً ‪ ،‬ﻟﻢﺗﻌﺪ اﻷﺳﺎﻟﻴ ﺐ اﻟﻤﺮﻛﺰﻳ ﺔﺗﻨﺎﺳ ﺐ ﻋﺼﺮ ‪5G / 6G‬ﻧﻈ ًﺮا ﻻر‬
‫ﺗﻔﺎع ﻣ ﺴ‬ ‫ﺒﻴﺎﻧﺎ ت ﻣﻦ ﺟﺎﻧ‬
‫اﻟ‬ ‫ﺘﺮﻧ ﺖ ﻟﻸﺷﻴﺎء اﻟﻔﻴﺪراﻟﻴ ﺔ إﱃ ﺣﻘﻴﻘ ﺔ واﻗﻌ ﺔ‪.‬‬
‫ﻳﺤﻮلﺗﺼﻮر اﻹﻧ‬
‫ﺒﻴﺮ‬
‫ﺘﺸﻌﺮا ت اﻟ ﺴﻼﺳﻞ اﻟﺰﻣﻨﻴ ﺔ ذا ت اﻟﺤﺠﻢ اﻟﻜ‬
‫ﺘﺮدد ﻣﻦ ﻣ ﺴ‬
‫ﺒﻴﺎﻧﺎ ت ﻋﺎﻟﻴ ﺔ اﻟ‬
‫ﺜﺎل ‪ ،‬اﻟ‬
‫ﺒﻴﻞ اﻟﻤ‬
‫ﺘﺨﺰﻳﻦ )ﻋﲆﺳ‬
‫ﺗﺼﺎل واﻟ‬
‫اﻻ‬

‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‪.‬‬
‫ﺒﻴﺎﻧﺎ ت ﻣﻦ اﻟﻤﻼﻳﻴﻦ أو ﻣﻠﻴﺎرا ت أﺟﻬﺰة إﻧ‬
‫ﺘﺠﻤﻴﻊ اﻟ‬
‫ﺘﺸﻌﺮا ت )‪Lidar‬ﻟ‬
‫ﺜﻞ ﻛﺎﻣﻴﺮا ت اﻟﻔﻴﺪﻳﻮ أو ﻣ ﺴ‬
‫ﻣ‬

‫ﺘﺨﺪم‪ .‬ﻣﻦ ﺧﻼل اﻷﺳﺎﻟﻴ ﺐ‬

‫ﺘﺰاﻳﺪ ﻋﲆ أﻧﻬﺎﺗﻬﺪد ﺧﺼﻮﺻﻴ ﺔ اﻟﻤ ﺴ‬
‫ﺑﺸﻜﻞ ﻣ‬‫ﺘﻢ ﺟﻤﻌﻬﺎ‬
‫ﺘ ﻲﻳ‬
‫ﺒﻴﺎﻧﺎ ت اﻟ‬
‫ُﻨﻈﺮ إﱃ اﻟ‬
‫ﺛﺎﻧ ًﻴﺎ ‪،‬ﻳ‬ ‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ؟‬
‫ﺘﺤﺪ ﻹﻧ‬
‫ﺘﻌﻠﻢ اﻟﻤ‬
‫‪II.‬ﻟﻤﺎذا اﻟ‬
‫ﺘﻬﻚ‬
‫ﺘﻠﻔ ﺔ ‪ ،‬ﻣﻤﺎﻳﻨ‬
‫ﺑﻴﻌﻬﺎ ﻟﺸﺮﻛﺎ ت ﻣﺨ‬‫ﺘﻰ‬
‫ﺘﺨﺪم أو ﺣ‬
‫ﺑﻴﺎﻧﺎ ت اﻟﻤ ﺴ‬‫ﺑ ﺔ ‪،‬ﻳﻤﻜﻦ ﻣﺸﺎرﻛ ﺔ‬
‫اﻟﻤﺮﻛﺰﻳ ﺔ اﻟﻘﺎﺋﻤ ﺔ ﻋﲆ اﻟ ﺴﺤﺎ‬
‫ﺋﻴ ﺴﻴ ﺔ‬
‫ﺘﻌﺎوﻧﻴ ﺔ واﻟﻤﺤﺎﻓﻈ ﺔ ﻋﲆ اﻟﺨﺼﻮﺻﻴ ﺔ ﻟـ ‪FL‬ﻋﺪدًا ﻣﻦ اﻟﻤﺰاﻳﺎ اﻟﺮ‬
‫ﺗﺠﻠ ﺐ اﻟﺨﺼﺎﺋﺺ اﻟﺸﺨﺼﻴ ﺔ اﻟﻤﻮزﻋ ﺔ واﻟ‬
‫ﺘﻲ‬
‫ﺒﻴﻘﺎ ت اﻟ‬
‫ﺘﻄ‬‫ﺛﻘ ﺔ اﻟﺠﻤﻬﻮر ﻓ ﻲ اﻟ‬‫ﺒﻴﺎﻧﺎ ت ‪ ،‬ﻣﻤﺎﻳﺆدي إﱃ زﻳﺎدة ﻋﺪم‬
‫ﺒﺎ ﻋﲆ أﻣﺎن اﻟ‬
‫ﺛﺮﺳﻠ ً‬
‫ﺣﻘﻮق اﻟﺨﺼﻮﺻﻴ ﺔ وﻳﺆ‬
‫ﺘﺨﺪم‪ :‬ﻓ ﻲﺳﻴﻨﺎرﻳﻮ‬
‫ﺑﻴﺎﻧﺎ ت اﻟﻤ ﺴ‬‫ﺘﺎﻟ ﻲ‪• :‬اﻟﺤﻔﺎظ ﻋﲆ ﺧﺼﻮﺻﻴ ﺔ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء )اﻟﺸﻜﻞ )‪2‬ﻋﲆ اﻟﻨﺤﻮ اﻟ‬
‫ﺒﻴﻘﺎ ت إﻧ‬
‫ﺘﻄ‬‫ﻟ‬
‫ﺒﻴﺎﻧﺎ ت‬
‫ﺘﻨﺪ إﱃ اﻟ‬
‫ﺘﻌﻠﻢ اﻟﻤ ﺴ‬
‫ﺒﻴﺎﻧﺎ ت‪ .‬ﻟﺬﻟﻚ ‪ ،‬ﻫﻨﺎك ﺣﺎﺟ ﺔ إﱃ ﻧﻬﺞ اﻟﺤﻔﺎظ ﻋﲆ اﻟﺨﺼﻮﺻﻴ ﺔ اﻟﻤﻮزع ﻟﻠ‬
‫ﺘﻤﺪ ﻋﲆ اﻟ‬
‫ﺗﻌ‬
‫ﺘﻠﻌ ﺐ دور ﻫﺎ‪.‬‬
‫ﺜﺮ ﻣﻦ اﻟﻤﻌﻠﻮﻣﺎ ت اﻟﻼزﻣ ﺔ ﻟ‬
‫ﺘﻌﻠﻢ أﻛ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ﻓ ﻲ اﻟﻨﻈﺎم ﻻﺗ‬
‫ﺜﺎﻟ ﻲ ‪ ،‬ﻛﻞ ﺟﻬﺎز إﻧ‬
‫‪FL‬اﻟﻤ‬
‫ﺘﺨﻔﻴﻒ ﻣﻦ ﻣﺨﺎوف اﻟﺨﺼﻮﺻﻴ ﺔ‪.‬‬
‫ﺘﺪﻻل ﻣﻦ أﺟﻞ اﻟﻜﻔﺎءة واﻟ‬
‫ﺘﻨﺪة إﱃ اﻻﺳ‬
‫ﺒﻴﻘﺎ ت اﻟﻤ ﺴ‬
‫ﺘﻄ‬‫واﻟ‬

‫ﺜﺎ ت اﻟﻨﻤﻮذج ﻓﻘﻂ‬

‫ﺘﻢ إرﺳﺎلﺗﺤﺪﻳ‬
‫ﺘﺪرﻳ ﺐ اﻟﻤﻮﺣﺪة ‪ ،‬وﻳ‬
‫ﺛﻨﺎء ﻋﻤﻠﻴ ﺔ اﻟ‬
‫ﺑﺪًا أ‬
‫ﺒﻴﺎﻧﺎ ت اﻷوﻟﻴ ﺔ اﻷﺟﻬﺰة أ‬
‫ﺘﺮك اﻟ‬
‫ﻻﺗ‬
‫ﺒﻴ ﺔ ﻫﺬه اﻟﺤﺎﺟ ﺔ اﻟﻤﻠﺤ ﺔ‪.‬‬
‫ﺘﻠ‬‫ﺘﻌﻠﻢ اﻟﻔﻴﺪراﻟ ﻲ )‪(FL‬ﻛﺤﻞ ﻣﻮزع ﻟﻠﺤﻔﺎظ ﻋﲆ اﻟﺨﺼﻮﺻﻴ ﺔ ﻟ‬
‫ﺑﺮز اﻟ‬‫ﻓ ﻲ اﻟ ﺴﻨﻮا ت اﻷﺧﻴﺮة ‪،‬‬
‫ﺒﻴﺎﻧﺎ ت اﻟﺸﺨﺼﻴ ﺔ‪.‬‬
‫إﱃ اﻟﺨﺎدم اﻟﻤﺮﻛﺰي ‪ ،‬ﻣﻤﺎﻳﻘﻠﻞ ﻣﻦ ﻣﺨﺎﻃﺮﺗ ﺴﺮ ب اﻟ‬
‫ﺒﻴﻦ ﻓ ﻲ‬
‫ﺑﻮاﺳﻄ ﺔ ‪McMahan et al. [1].‬ﻛﻤﺎ ﻫﻮ ﻣ‬
‫ﺘﻌﻠﻢ اﻟﻔﻴﺪراﻟ ﻲﻷول ﻣﺮة ﻓ ﻲ ﻋﺎم ‪2016‬‬
‫ﺗﻢﺗﻘﺪﻳﻢ ﻣﺼﻄﻠﺢ اﻟ‬

‫ﺑﻴﻦ اﻟﻌﻤﻼء‬‫ﺑ ﺔﺗﻌﺎون‬

‫ﺜﺎ‬
‫ﺑﻤ‬‫ﺒﻴﺎﻧﺎ ت‬
‫ﺘﻤﺪ ﻋﲆ اﻟ‬
‫ﺘ ﻲﺗﻌ‬
‫ﺒﻴﻘﺎ ت اﻟ‬
‫ﺘﻄ‬‫ﺘﻌﻠﻢ اﻵﻟ ﻲ ﻟﻠ‬
‫اﻟﺸﻜﻞ ‪1 ،‬ﻓ ﻲ ‪FL ،‬ﻳﻌﺪﺗﺪرﻳ ﺐ ﻧﻤﺎذج اﻟ‬

‫ﺑﻴﺎﻧﺎ ت اﻟﻌﻤﻴﻞ‪ .‬وزﻋ ﺖ و‬‫اﻟﻤﻮزﻋﻴﻦ دون ﻣﺮﻛﺰﻳ ﺔ‬

‫ﺘﻌﻠﻢ‬
‫ﺑﻴﺎﻧﺎ ت ﻛﺎﻓﻴ ﺔ ﻟ‬‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء اﻟﻮاﺣﺪ ﻋﲆ‬
‫ﺘﻮي ﺟﻬﺎز إﻧ‬
‫ﺗﺤ ﺴﻴﻦ أداء اﻟﻨﻤﻮذج‪ :‬ﻧﻈ ﺮًا ﻟﻘﻴﻮد اﻟﺠﻬﺎز ‪ ،‬ﻗﺪ ﻻﻳﺤ‬
‫•‬

‫ﺑﻤﻔﺮده‪.‬ﺗﺤ ﺖ ‪FL‬‬‫ﻧﻤﻮذج ﻋﺎﻟ ﻲ اﻟﺠﻮدة‬

‫‪Machine Translated by Google‬‬
‫‪2‬‬

‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‪.‬‬
‫ﺘﻌﻠﻢ اﻟﻤﻮﺣﺪ ﻹﻧ‬
‫ﺒﻴﻘﺎ ت اﻟ‬
‫ﺗﻄ‬‫اﻟﺸﻜﻞ ‪3:‬‬

‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‪.‬‬
‫ﺘﻌﻠﻢ اﻟﻤﻮﺣﺪ ﻹﻧ‬
‫اﻟﺸﻜﻞ ‪2:‬ﻣﺰاﻳﺎ اﻟ‬
‫ﺘﻌﺮف اﻟﻀﻮﺋ ﻲ ﻋﲆ‬
‫ﺒﻴﻘﺎ ت اﻟﻨﺎﺿﺠ ﺔ ﻟـ ‪Industry 4.0‬اﻟ‬
‫ﺘﻄ‬‫ﺑﻌﺾ اﻟ‬‫ﺘﻀﻤﻦ‬
‫ﻓ ﻲ اﻟﻌﺪﻳﺪ ﻣﻦ اﻟﺼﻨﺎﻋﺎ ت‪ .‬ﺣﺎﻟ ًﻴﺎ ‪،‬ﺗ‬

‫ﺒ ﺔ ﺟﻮدة اﻟﻌﻤﻠﻴﺎ ت اﻟﺬﻛﻴ ﺔ ‪(PQC).‬‬

‫ﺘﻠﻘﺎﺋﻴ ﺔ ‪(IQC) ،‬وﻣﺮاﻗ‬
‫ﺒ ﺔ اﻟﺠﻮدة اﻟﺬﻛﻴ ﺔ واﻟ‬
‫اﻷﺣﺮف )‪(OCR‬ﻟﻠﻤﻠﺼﻘﺎ ت ‪ ،‬وﻣﺮاﻗ‬

‫ﺑﺸﻜﻞﺗﻌﺎوﻧ ﻲ‬‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎءﺗﺪرﻳ ﺐ ﻧﻤﻮذج ﻋﺎﻟ ﻲ اﻟﺠﻮدة‬

‫ﻓ ﻲ إﻃﺎر اﻟﻌﻤﻞ ‪،‬ﻳﻤﻜﻦ ﻟﺠﻤﻴﻊ أﺟﻬﺰة إﻧ‬

‫ﺗﻪ‬
‫ﺑﻴﺎﻧﺎ‬‫ﺘﺠﺎوز‬
‫ﺑﻤﺎﻳ‬‫ﺘ ﻲﻳﺠﻤﻌﻬﺎ اﻵﺧﺮون‬
‫ﺘﻌﻠﻢ اﻟ‬
‫ﺑﻴﺎﻧﺎ ت اﻟ‬‫ﺘﻔﺎدة ﻣﻦ‬
‫ﺑﺤﻴ ﺚﻳﻤﻜﻦ ﻟﻜﻞ ﻣﺸﺎرك اﻻﺳ‬

‫ﺘﺤﻘﻖ ﻣﻦ اﻟﻤﻌﻠﻮﻣﺎ ت اﻟﺨﺎﺻ ﺔ ﻟﻶﺧﺮﻳﻦ‪.‬‬

‫اﻟﺨﺎﺻ ﺔ وﻟﻜﻦ دون اﻟ‬ ‫ﺘﺤﺪى ﻧﺸﺮ اﻟﺼﻨﺎﻋ ﺔ ‪4.0.‬أوﻻ ً ‪ ،‬ﻗﺪ ﻻﺗﻜﻮن‬
‫ﺘ ﻲﺗ‬
‫ﺑﻌﺾ ﻣﺸﻜﻼ ت اﻟﻌﺎﻟﻢ اﻟﺤﻘﻴﻘ ﻲ اﻟ‬‫وﻣﻊ ذﻟﻚ ‪ ،‬ﻻﺗﺰال ﻫﻨﺎك‬

‫ﺒﻴﺎﻧﺎ ت‬
‫ﺒﻂ اﻟ‬
‫ﺗ‬‫ﺛﺎﻧ ًﻴﺎ ‪،‬ﺗﺮ‬‫ﺑﺸﻜﻞ ﺷﺎﻣﻞ‪.‬‬‫ﺛﻮق‬
‫ﺘﺪرﻳ ﺐ ﻧﻤﻮذج ﻣﻮ‬
‫ﺘﻮﻟﺪة ﻣﻦ ﻣﺼﻨﻊ واﺣﺪ ﻛﺎﻓﻴ ﺔ ﻟ‬
‫ﺒﻴﺎﻧﺎ ت اﻟﻤ‬
‫ﻛﻤﻴ ﺔ اﻟ‬

‫ﺑﺸﻜﻞ دوري ‪،‬ﻳﻤﻜﻦ ﻟﺠﻬﺎز اﻟﺤﺎﻓ ﺔ‬‫ﺗﺤﺪﻳ ﺚ اﻟﻨﻤﻮذج اﻟﻤﺤﻠ ﻲ‬

‫ﻋﻼوة ﻋﲆ ذﻟﻚ ‪ ،‬ﻧﻈ ﺮًاﻷﻧﻪﻳﻤﻜﻦ ﻟـ ‪FL‬‬ ‫ﺘﺠﺎرﻳ ﺔ ‪ ،‬ﻣﻤﺎﻳﺠﻌﻞ اﻟﺤﻔﺎظ ﻋﲆ‬
‫ﺑﺎﻟﻘﻴﻤ ﺔ اﻟ‬‫ﺛﻴ ًﻘﺎ‬
‫ﺒﺎﻃﺎ و‬
‫ﺗ ً‬‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء اﻟﺼﻨﺎﻋﻴ ﺔ ار‬
‫ﺘ ﻲﺗﺠﻤﻌﻬﺎ أﺟﻬﺰة إﻧ‬
‫اﻟ‬

‫ﺘﺤ ﺴﻴﻦ أداء اﻟﻨﻤﻮذج‬

‫ﺘﺎﻟ ﻲ ‪،‬ﺗﻌﺪ ‪FL‬آﻟﻴ ﺔ ﻓﻌﺎﻟ ﺔ ﻟ‬
‫ﺑﺎﻟ‬
‫ﺑﻤﺮور اﻟﻮﻗ ﺖ‪ .‬و‬‫ﺘﻐﻴﺮة‬
‫ﺑﻄﺮﻳﻘ ﺔ ﻣ‬‫ﺋﻤﺎﺗﺤﺪﻳ ﺚ ﻃﺮازه‬ ‫ﻣﻬﻤﺎ‪.‬‬
‫ً‬ ‫اﻟﺨﺼﻮﺻﻴ ﺔ أﻣ ﺮًا‬
‫دا ً‬
‫ﺑﻤﻔﺮده‪.‬‬‫ﺘﻄﻴﻊ ﻛﻞ ﺟﻬﺎز ﻓﺮديﺗﺤﻘﻴﻘﻪ‬
‫اﻟﺬي ﻻﻳ ﺴ‬

‫ﺘﺨﺪﻣ ﻲ‬
‫ﺑﺎء ﻟﻤ ﺴ‬
‫ﺘﺨﺪاﻣﻪ ﻟﻠﻜﻬﺮ‬
‫ﺘﻮن اﻟﻘﺪرة ﻋﲆﺗﺼﻨﻴﻊ ﻣﺎﻧﻮ ﻣﻦ اﺳ‬
‫ﺘﺼﻨ‬
‫ﺘﺞ اﻟﻤ‬
‫ﺘﻨ‬‫ﺜﺎل ‪ ،‬ﻗﺪﻳ ﺴ‬
‫ﺒﻴﻞ اﻟﻤ‬
‫ﻋﲆﺳ‬

‫ﺘﺤﺪﻳﺎ ت اﻟﻤﺬﻛﻮرة أﻋﻼه‪.‬‬

‫ﻣﻠﻬﻤﺎ ﻟﻤﻮاﺟﻬ ﺔ اﻟ‬
‫ً‬ ‫ﺘﻌﻠﻢ اﻟﻤﻮﺣﺪ ﺣ ﻼ ً‬
‫ﺒﺢ إﻃﺎر ﻋﻤﻞ اﻟ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء اﻟﺼﻨﺎﻋ ﻲ‪.‬ﺳﻴﺼ‬
‫إﻧ‬
‫ﺘﻔﺎدة ﻣﻦ ﻣﻮارد اﻟﺤ ﺴﺎ ب اﻟﻤﻘﻴﺪة اﻟﻤﻮﺟﻮدة‬
‫ﺒﻴﻌ ﺔ اﻟﻤﻮزﻋ ﺔ ﻟـ ‪FL‬ﻗﺎدرة ﻋﲆ اﻻﺳ‬
‫ﺘﻮﺳﻊ اﻟﻤﺮﻧ ﺔ‪ :‬اﻟﻄ‬
‫ﺑﻠﻴ ﺔ اﻟ‬
‫•ﻗﺎ‬

‫ﺘﺰاﻳﺪ‬
‫ﺘﻮازﻳ ﺔ‪ .‬ﻧﻈ ﺮًا ﻟ‬
‫ﺑﻄﺮﻳﻘ ﺔ ﻣ‬‫ﺘﻠﻔ ﺔ‬
‫ﺒﺮ ﻣﻮاﻗﻊ رﺳﻮﻣﻴ ﺔ ﺟﻐﺮاﻓﻴ ﺔ ﻣﺨ‬
‫ﺘﻌﺪدة ﻋ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء اﻟﻤ‬
‫ﻓ ﻲ أﺟﻬﺰة إﻧ‬

‫ﺗﺆدي ﻋﻤﻠﻴ ﺔ ﻣﺮﻛﺰﻳ ﺔ ﺟﻤﻴﻊ‬

‫ﺿﺨﻤﺎ ‪ ،‬و‬
‫ً‬ ‫ﺒﻴﺎﻧﺎ ت ﻟﻜﻞ ﻓﺮد‬
‫ﺒﺢ ﺣﺠﻢ اﻟ‬
‫ﺘﻄﻮرة ‪،‬ﻳﺼ‬
‫ﻗﺪرة أﺟﻬﺰة اﻷﺟﻬﺰة اﻟﻤ‬

‫ﺗﺼﺎﻻ ت اﻟﻼﺳﻠﻜﻴ ﺔ ‪،‬‬

‫ﺒﻜ ﺔ اﻻ‬
‫ﺒ ﺔ ﻋﲆ اﻟﺤﺎﻓ ﺔ أو اﻟﻀﻐﻂ ﻋﲆ ﺷ‬
‫ﺒﻴﺎﻧﺎ ت إﱃ اﻟﺨﺎدم إﻣﺎ إﱃ إ ﻫﺪار ﻣﻮرد اﻟﺤﻮﺳ‬
‫اﻟ‬
‫ب‪ .‬اﻟﺮﻋﺎﻳ ﺔ اﻟﺼﺤﻴ ﺔ‬
‫ﺒﻜ ﺔ‪ .‬ﻣﻦ ﺧﻼل ﺟﺬ ب اﻟﻤﺰﻳﺪ ﻣﻦ اﻷﺟﻬﺰة ﻟﻼﻧﻀﻤﺎم إﱃ إﻃﺎر‬
‫ﺑﻠﻴ ﺔﺗﻮﺳﻴﻊ اﻟﺸ‬
‫ﺒ ﺔ أﻣﺎم ﻗﺎ‬
‫ﺒﺢ ﻋﻘ‬
‫ﺘ ﻲﺗﺼ‬
‫واﻟ‬

‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء دون إﺿﺎﻓ ﺔ ﻋ ﺐء إﺿﺎﻓ ﻲ ﻋﲆ ﺧﺎدم ﻣﺮﻛﺰي ﻧﻈ ﺮًا‬

‫ﺒﻜﺎ ت إﻧ‬
‫ﺘﻮﺳﻊ ﻟﺸ‬
‫ﺑﻠﻴ ﺔ اﻟ‬
‫اﻟﻌﻤﻞ ‪،‬ﺗﻌﺰز ‪FL‬ﻗﺎ‬ ‫ﺒﻴﺎﻧﺎ ت‬
‫ﺘﺸﺎ ًرا ﻓ ﻲ اﻟﺤﻴﺎة اﻟﻴﻮﻣﻴ ﺔ ﻟﻸﻓﺮاد ‪ ،‬ﻓﺈن ﺧﺼﻮﺻﻴ ﺔ اﻟ‬
‫ﺜﺮ اﻧ‬
‫ﺒﺤ ﺖ أﻛ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء أﺻ‬
‫ﻧﻈ ﺮًاﻷن أﺟﻬﺰة إﻧ‬
‫ﺑﺎﻹﺿﺎﻓ ﺔ إﱃ ذﻟﻚ ‪ ،‬ﻓ ﻲ إﻃﺎر ﻋﻤﻞ ‪FL ،‬ﻟﻴ ﺴ ﺖ ﻫﻨﺎك ﺣﺎﺟ ﺔ ﻟﻺرﺳﺎل اﻟﻤﻮﺳﻊ‬‫ﺘﻌﻠﻢ اﻟﻤﻮزﻋ ﺔ‪.‬‬
‫ﺒﻴﻌ ﺔ اﻟ‬
‫ﻟﻄ‬ ‫ﺘﻮﺿﻴﺢ ﻣﺨﺎوف اﻟﺨﺼﻮﺻﻴ ﺔ ﻫﻮ ‪IoT E health.‬ﻓ ﻲ اﻟﻮﻗ ﺖ‬
‫ﺜﺎل ﻟ‬
‫ﺒﺢ ﻣ ﺴﺄﻟ ﺔ ﻣﻬﻤ ﺔ‪ .‬ﻣ‬
‫ﺘ ﻲﺗﻢ ﺟﻤﻌﻬﺎﺗﺼ‬
‫اﻟ‬
‫ﺘﻜﺎﻟﻴﻒ‬
‫ﺑ‬‫ﺘﻌﻠﻖ‬
‫ﺘﻮﺳﻊ ﻓﻴﻤﺎﻳ‬
‫ﺑﻠﻴ ﺔ اﻟ‬ ‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ‪ ،‬ﻣﻤﺎﻳﺰﻳﺪ أ ً‬
‫ﻳﻀﺎ ﻣﻦ ﻗﺎ‬ ‫ﺒﻴﺎﻧﺎ ت اﻟﺨﺎم اﻟﻤﺠﻤﻌ ﺔ ﻣﻦ إﻧ‬
‫ﻟﻠ‬ ‫ﺑﺎ ت اﻟﻘﻠ ﺐ‬
‫ﺜﻞ ﺿﺮ‬
‫ﺒ ﺔ اﻟﺤﺎﻟ ﺔ اﻟﺼﺤﻴ ﺔ ﻟﻠﻤﺮﺿﻰ ‪ ،‬ﻣ‬
‫ﺗﺪاء ﻟﻤﺮاﻗ‬
‫ﺑﻠ ﺔ ﻟﻼر‬ ‫ُﺴ‬
‫ﺘﺨﺪم اﻷﺟﻬﺰة اﻟﺬﻛﻴ ﺔ اﻟﻘﺎ‬ ‫اﻟﺤﺎﺿﺮ ‪،‬ﺗ‬
‫ﺘﺮددي اﻟﻤﻨﺨﻔﺾ‪.‬‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ذا ت اﻟﻨﻄﺎق اﻟ‬
‫ﺒﻜﺎ ت إﻧ‬
‫ﺗﺼﺎل ‪ ،‬ﺧﺎﺻ ﺔ ﻟﺸ‬
‫اﻻ‬ ‫ﺑﻴﺎﻧﺎ ت اﻟﺮﻋﺎﻳ ﺔ اﻟﺼﺤﻴ ﺔ‬‫ﺒﺮ‬
‫ﺘ‬‫ﺒﻴﺎﻧﺎ ت ‪،‬ﺗﻌ‬
‫ﺑﺎﻟﻤﻘﺎرﻧ ﺔ ﻣﻊ اﻷﻧﻮاع اﻷﺧﺮى ﻣﻦ اﻟ‬‫ﺘﻮى اﻟﺠﻠﻮﻛﻮز‪.‬‬
‫وﺿﻐﻂ اﻟﺪم وﻣ ﺴ‬

‫ﺑﻤﻮﺟ ﺐ اﻟﻘﻮاﻧﻴﻦ واﻟﻠﻮاﺋﺢ اﻟﺤﻜﻮﻣﻴ ﺔﻷي‬‫ﺑﺸﺪة‬‫ﺘﺨﺪﻣﻴﻦ وﻣﻘﻴﺪة‬

‫ﺜﺮ ﺣ ﺴﺎﺳﻴ ﺔ ﻟﺨﺼﻮﺻﻴ ﺔ اﻟﻤ ﺴ‬
‫اﻟﺸﺨﺼﻴ ﺔ أﻛ‬

‫ﺘﻄﻮﻳﺮ أﺣﺪ ث ﻧﻤﺎذج ‪ML‬‬

‫ﺜﻴﻦ ﻟ‬
‫ﺒﺎﺣ‬
‫ﺒﺎ ﻟﻠﻤﺤﻘﻘﻴﻦ واﻟ‬
‫ﺜﻞ ‪FL‬ﻣﻄﻠ ً‬
‫ﺒﻴﺎﻧﺎ ت‪ .‬ﻟﺬﻟﻚ ‪،‬ﺗﻌﺪﺗﻘﻨﻴﺎ ت ﻣ‬
‫ﻧﻮع ﻣﻦ ﻣﺸﺎرﻛ ﺔ اﻟ‬

‫ﺒﺮ‬
‫ﺘﻌﻠﻢ اﻵﻟ ﻲ ﻋﲆ ﻧﻄﺎق واﺳﻊ ﻋ‬
‫ﺘﺼﺪع وﻣﻨﻈﻢ ﻟﻠﻐﺎﻳ ﺔ‪.‬ﺗﻌﺪ اﻟﻘﺪرة ﻋﲆﺗﺪرﻳ ﺐ ﻧﻤﺎذج اﻟ‬
‫ﺑﻴﺎﻧﺎ ت ﻣ‬‫ﻋﲆ ﻣﺸﻬﺪ‬

‫ﺒﻴﺎﻧﺎ تﺗﻘﻨﻴ ﺔ ﻣﻬﻤ ﺔ ﻟﺤﻞ ﻣﺸﻜﻠ ﺔ ﺧﺼﻮﺻﻴ ﺔ اﻟﻤﺮﻳﺾ وﺣﻤﺎﻳ ﺔ‬

‫ﺒﻴ ﺔ دونﺗﺠﻤﻴﻊ اﻟ‬
‫اﻟﻌﺪﻳﺪ ﻣﻦ اﻟﻤﺆﺳ ﺴﺎ ت اﻟﻄ‬

‫ﺘﻤﻜﻴﻦ‬
‫ﺒﻴﺮة ﻟ‬
‫ﺘﻌﻠﻢ اﻟﻤﻮﺣﺪ ﻓ ﻲ ﻣﺠﺎل اﻟﺮﻋﺎﻳ ﺔ اﻟﺼﺤﻴ ﺔ إﻣﻜﺎﻧﺎ ت ﻛ‬
‫ﺘﻨﻔﻴﺬ اﻟﻨﺎﺟﺢ ﻟﻠ‬
‫ﺒﻴﺎﻧﺎ ت‪.‬ﻳﻤﻜﻦ أنﻳﺤﻤﻞ اﻟ‬
‫اﻟ‬

‫ﺑﻘ ﺔ اﻟﻌﻼج اﻟﻤﻨﺎﺳ ﺐ ﻟﻠﻤﺮﻳﺾ اﻟﻤﻨﺎﺳ ﺐ ﻓ ﻲ اﻟﻮﻗ ﺖ‬

‫اﻟﻄ ﺐ اﻟﺪﻗﻴﻖ ﻋﲆ ﻧﻄﺎق واﺳﻊ ‪ ،‬ﻣﻤﺎﻳ ﺴﺎﻋﺪ ﻋﲆ ﻣﻄﺎ‬

‫اﻟﻤﻨﺎﺳ ﺐ‪.‬‬

‫ﺒﻴﻘﺎ ت‬
‫ﺘﻄ‬‫ﺜﺎ‪ .‬اﻟ‬
‫ﺛﺎﻟ‬

‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء اﻟﻤﻬﻤ ﺔ‪ .‬ﻓ ﻲ‬

‫ﺒﻴﻘﺎ ت إﻧ‬
‫ﺗﺎﺣ ﺖ اﻟﻌﺪﻳﺪ ﻣﻦﺗﻄ‬
‫ﺘﻔﺎد ت ‪FL‬ﻣﻦ اﻟﻤﺰاﻳﺎ اﻟﻤﺬﻛﻮرة أﻋﻼه ‪ ،‬ﻓﻘﺪ أ‬
‫اﺳ‬
‫ً‬
‫ﺑﻌﻀﺎ ﻣﻦ أ ﻫﻤﻬﺎ )اﻟﺸﻜﻞ ‪3).‬‬‫ﺑﺈﻳﺠﺎز‬‫ﻫﺬا اﻟﻘ ﺴﻢ ‪ ،‬ﻧﻨﺎﻗ ﺶ‬

‫أﻟﻒ اﻟﺼﻨﺎﻋ ﺔ ‪4.0‬‬ ‫ﺟﻴﻢ اﻟﻤﻨﺰل اﻟﺬﻛ ﻲ‬

‫ﺑﻌ ﺔ ‪،‬‬
‫ﺜﻮرة اﻟﺼﻨﺎﻋﻴ ﺔ اﻟﺮا‬
‫ﺑﺎﺳﻢ اﻟ‬ ‫ﺘﺮاح ﻣﻔﻬﻮم ‪In dustry 4.0 ،‬اﻟﻤﻌﺮوف أ ً‬
‫ﻳﻀﺎ‬ ‫ﺘﺼﻨﻴﻊ‪.‬ﺗﻢ اﻗ‬
‫ﺗﻜﻨﻮﻟﻮﺟﻴﺎ اﻟﻤﻌﻠﻮﻣﺎ ت ﻓ ﻲ ﻣﺠﺎل اﻟ‬
‫ﺒﻴﺮة‬ ‫ﺷﻌت‬
‫ﺒﻴ ﺔ ﻛ‬ ‫ﺒﻴﻘﺎ‬
‫ﺴ ﻲﺗﻄ‬
‫ﺘﻄﻮراﻟﻠﻤت ﻓ‬
‫ﺘﻬﻠﻜﻴﻦ‬ ‫ﻣﻦ اﻟ‬
‫ﻷﺷﻴﺎء‬ ‫ﻳﺪ ﺖ ا‬‫اﻟﻌﺪ‬
‫ﺘﺮﻧ‬ ‫)‪(IIoT‬‬
‫أﺟﻬﺰة إﻧ‬ ‫اﻟﺼﻨﺎﻋ ﻲ‬
‫ﺳﻄ ﺔ‬ ‫ﺑﻮا‬ ‫ﻷﺷﻴﺎء‬
‫ﺗﻤﻜﻴﻨﻬﺎ‬ ‫ﺘﺖﻲ ا‬
‫ﺗﻢ‬ ‫ﺘﺮﻧاﻟ‬
‫ﺬﻛإﻧﻲ‬
‫اﻟﻤﻨﺰل ﻓاﻟ ﻲ‬
‫ﺘﻄﻮرﺔ اﻟ ﺴﺮﻳﻊ‬
‫ﺖاﻟأﻧﻈﻤ‬
‫ﺣﻘﻘﺐ‬
‫ﻳﺠﻠ‬

‫ﺘﻮرﻳﺪ‬
‫ﺒﻴﺎﻧﺎ ت ﻟ ﺴﻠ ﺴﻠ ﺔ اﻟ‬
‫ﺒﺮ ﻟﻠ‬
‫ﺗﺤﻜﻤﺎ ورؤﻳ ﺔ أﻛ‬
‫ً‬ ‫ﺘﻮﻓﺮ اﻟﺼﻨﺎﻋ ﺔ ‪4.0‬رؤى و‬
‫ﺒﻮق ‪،‬ﺳ‬
‫اﻟﻤ ﺴ‬ ‫ﺗﺼﺎل ﻏﻴﺮ‬
‫اﻟﻤﻨﺰﻟﻴ ﺔ‬ ‫ﺑﻔﻀﻞا اﻻ‬
‫ﻷﺟﻬﺰة‬ ‫اﻟﻔﻌﻠ ﻟﻠﻲ‪.‬ﺴﻜﺎن‪.‬‬
‫وﺟﻮدةﺖاﻟﺤﻴﺎة‬
‫اﻟﺮاﺣﻓﺔﻲ اﻟﻮﻗ‬
‫ﺒﻴﺎﻧﺎ ت‬‫إﱃﺴاﻟ‬
‫ﺘﻮى‬ ‫واﻟﻮﺻﻮل‬
‫ﺴﻴﻦ ﻣ‬ ‫ﻋﲆﺗﺤ‬‫‪IIoT‬‬ ‫ﻷﻧﻬﺎ ﻲ ﻟـ‬
‫ﺗﻌﻤﻞ‬ ‫ﺒﻴﻨ‬
‫ﺑﻂﺔ اﻟ‬
‫ﺘﺮا‬
‫ﻫﻤﻴﺔﺔ ﻟﻠ‬
‫اﻟﻤﺎﺿﻴ‬ ‫ﻇﻬﻮر أ‬
‫اﻟﻘﻠﻴﻠ‬ ‫ﺑﻨﺎﻲ ًء اﻟﻋﲆ‬
‫ﺴﻨﻮا ت‬ ‫ﻓ‬

‫ﺑﻮا ب اﻟﺬﻛﻴ ﺔ‬
‫ﺑﻴﺢ اﻟﺬﻛﻴ ﺔ وأﺟﺮاس اﻷ‬
‫ﺜﻞ اﻟﻤﺼﺎ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ‪ ،‬ﻣ‬
‫ﺘﻘﻨﻴ ﺔ إﻧ‬
‫ﺑ‬‫ﺘ ﻲﺗﻌﻤﻞ‬
‫اﻟﺬﻛﻴ ﺔ اﻟﻼﺳﻠﻜﻴ ﺔ اﻟ‬
‫ﺗﻒ اﻟﺬﻛﻴ ﺔ‬
‫ﺑﻮاﺳﻄ ﺔ اﻟﻬﻮا‬‫ُﻌﺪ‬
‫ﺑ‬‫ﺘﺤﻜﻢ ﻓﻴﻬﺎ ﻋﻦ‬
‫ﺒﻌﺾ واﻟ‬
‫ﺑﻌﻀﻬﺎ اﻟ‬‫ﺘﻮاﺻﻞ ﻣﻊ‬
‫واﻟﻜﺎﻣﻴﺮا ت اﻟﺬﻛﻴ ﺔ ‪ ،‬ﻗﺎدرة ﻋﲆ اﻟ‬

‫ﺘﻠﻘﺎﺋ ﻲ ﻋﲆ اﻟﻜﻼم )‪(ASR‬‬

‫ﺘﻌﺮف اﻟ‬
‫ﺘﻌﺮف ﻋﲆ اﻟﻜﻼم ‪Wake-Up-Word‬واﻟ‬
‫ﺒﻴﻘﺎ ت اﻟ‬
‫ﺘﺤﻜﻢ اﻟﺪﻗﻴﻘ ﺔ‪.‬ﺗﻄ‬
‫وأﺟﻬﺰة اﻟ‬
‫‪Machine Translated by Google‬‬
‫‪3‬‬

‫ﺘﺮﻧ ﺖ‬
‫ﺑﺎ ت إﻧ‬
‫ﺑﻮا‬‫ﺘﻤﺎد ﻋﲆ‬
‫ﺒﻴﺮة ﻟﻠﺤﻴﺎة اﻟﻴﻮﻣﻴ ﺔ ‪ ،‬وﻳﻤﻴﻞ اﻟﻨﺎس اﻵن إﱃ اﻻﻋ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء راﺣ ﺔ ﻛ‬
‫ﺗﻮﻓﺮ أﺟﻬﺰة إﻧ‬

‫ﺗﻘﻨﻴ ﺔ‬
‫ﺒﺤ ﺖ ‪FL‬‬
‫ﺘﺨﺪام اﻟﻴﺪﻳﻦ‪ .‬أﺻ‬
‫ﺑﺪون اﺳ‬‫ﺘﺤﻜﻢ ﻓ ﻲ ﻣﻨﺎزﻟﻬﻢ‬
‫ﺘﺮاﺿﻴﻴﻦ أذﻛﻴﺎء ﻟﻠ‬
‫اﻷﺷﻴﺎء اﻟﺬﻛﻴ ﺔ ﻣﻊ ﻣ ﺴﺎﻋﺪﻳﻦ اﻓ‬
‫ﺒﻴﺎﻧﺎ ت اﻟﺨﺎم‪.‬‬
‫ﺘﺤﻘﻖ ﻣﻦ اﻟ ﺴﻤﺎﻋﺎ ت ﻋﲆ اﻟﺠﻬﺎز ﻣﻊﺗﻘﻠﻴﻞ ﻣﺨﺎﻃﺮﺗ ﺴﺮ ب اﻟ‬
‫ﻣﻬﻤ ﺔ ﻗﺎدرة ﻋﲆﺗﺤ ﺴﻴﻦ اﻟ‬

‫د‪ -‬اﻟﻤﺪﻳﻨ ﺔ اﻟﺬﻛﻴ ﺔ‬

‫ﺒﻴﺮة ﻣﻦ ﺧﻼل ﺟﻌﻞ ﻋﻤﻠﻴﺎ ت اﻟﻤﺪﻳﻨ ﺔ ﻓﻌﺎﻟ ﺔ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء إﺷﺎرا تﺗﻘﺪم ﻛ‬
‫ﺘ ﻲﺗﺪﻋﻢ إﻧ‬
‫ﺗﺤﻘﻖ اﻟﻤﺪن اﻟﺬﻛﻴ ﺔ اﻟ‬

‫ﺘﺤﻜﻢ ﻓ ﻲ‬
‫ﺘﻠﻔ ﺔ ﻣﺪﻳﺮي اﻟﻤﺪن ﻣﻦ اﻟ‬ ‫ّﻦ أﺟﻬﺰة إﻧ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء اﻟﻤﺨ‬ ‫ﻣﻊﺗﺤ ﺴﻴﻦ ﻧﻮﻋﻴ ﺔ اﻟﺤﻴﺎة ﻟﻠﻤﻮاﻃﻨﻴﻦ‪.‬ﺗﻤﻜ‬

‫ﺑﻨﻈﺎم اﻟﻤﺮور واﻟﻨﻘﻞ واﻟ ﺴﻼﻣ ﺔ‬‫ﺘﻌﻠﻖ‬

‫ﺗﻮﻓﻴﺮ ﻣﻌﻠﻮﻣﺎ ت ذﻛﻴ ﺔ ﻟﻠﻤﻮاﻃﻨﻴﻦ ﻓﻴﻤﺎﻳ‬
‫اﻷﺷﻴﺎء اﻟﻤﺎدﻳ ﺔ ﻓ ﻲ اﻟﻮﻗ ﺖ اﻟﻔﻌﻠ ﻲ و‬

‫اﻟﻌﺎﻣ ﺔ واﻟﺮﻋﺎﻳ ﺔ اﻟﺼﺤﻴ ﺔ وﻣﻮاﻗﻒ اﻟ ﺴﻴﺎرا ت اﻟﺬﻛﻴ ﺔ واﻟﺰراﻋ ﺔ اﻟﺬﻛﻴ ﺔ وﻣﺎ إﱃ ذﻟﻚ‪ .‬ﻧﻈ ًﺮا ﻟﻤﺨﺎوف ﺧﺼﻮﺻﻴ ﺔ‬

‫ﺒﻴﺎﻧﺎ ت ‪ ،‬ﻣﻤﺎﻳﺠﻌﻞ إﻃﺎر‬

‫ﺑﺎﻟﻘﺮ ب ﻣﻦ ﻣﻜﺎنﺗﻮاﺟﺪ اﻟ‬‫ﺘﻴ ﺔ اﻟﺬﻛﻴ ﺔ ﻟﺤ ﺴﺎ ب اﻟﻤﻮارد‬
‫ﺘﺤ‬‫ﺒﻨﻰ اﻟ‬
‫ﺘﺤﺮك اﻟ‬
‫ﺒﻴﺎﻧﺎ ت ‪،‬ﺗ‬
‫اﻟ‬

‫ﺘﻌﺎوﻧ ﻲﻷﻧﻤﺎط‬
‫ﺘﻌﻠﻢ اﻟ‬
‫ﺘﻨﺪ إﱃ ‪FL‬اﻟ‬
‫ﺒﻜ ﺔ اﻟﺬﻛﻴ ﺔ اﻟﻤ ﺴ‬
‫ﺘﻴﺢ ﻧﻈﺎم اﻟﺸ‬
‫ﺜﺎل ‪،‬ﻳ‬
‫ﺒﻴﻞ اﻟﻤ‬
‫ﺒﺎ ﻟﻠﻨﺸﺮ‪ .‬ﻋﲆﺳ‬
‫ﻋﻤﻞ ‪FL‬ﻣﻨﺎﺳ ً‬
‫ﺒﺎدل اﻟﻄﺎﻗ ﺔ ﻓ ﻲ‬
‫ﺘ‬‫ﺑﻄ ﺔ وذﻛﻴ ﺔ ﻟ‬
‫ﺘﺮا‬
‫ﺒﻜ ﺔ ﻣ‬
‫ﺛﺎر اﻟﻄﺎﻗ ﺔ اﻟﻔﺮدﻳ ﺔ وﻳ ﺴﺎ ﻫﻢ ﻓ ﻲ إﻧﺸﺎء ﺷ‬
‫ﺘﻬﻼك اﻟﻄﺎﻗ ﺔ دونﺗ ﺴﺮﻳ ﺐ آ‬
‫اﺳ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‪.‬‬
‫ﺘﻌﻠﻢ اﻟﻤﻮﺣﺪ ﻹﻧ‬
‫ﺗﺤﺪﻳﺎ ت اﻟ‬
‫اﻟﺸﻜﻞ ‪4:‬‬
‫اﻟﻤﺪﻳﻨ ﺔ‪.‬‬

‫ﺘﻲ‬
‫ﺒﻊ اﻟﺤﺮﻛ ﺔ اﻟ‬
‫ﺘ‬‫ﺒﻊ اﻟﻌﻴﻦ أوﺗ‬
‫ﺘ‬‫ﺑﻴﺎﻧﺎ تﺗ‬‫ﺜﺎل ‪،‬ﻳﻤﻜﻦﺗﺪرﻳ ﺐ‬
‫ﺒﻴﻞ اﻟﻤ‬
‫وﺧﺼﻮﺻﻴ ﺔ ‪metaverse.‬ﻋﲆﺳ‬
‫ﺒﺮ‬
‫ﺗﺠﻤﻴﻌﻬﺎ ﻋ‬
‫ﺘﺨﺪﻣﻴﻦ ﻓ ﻲ اﻷﺟﻬﺰة اﻟﻤﺤﻠﻴ ﺔ و‬
‫ﺗﺪاء ﻟﻤﻼﻳﻴﻦ اﻟﻤ ﺴ‬
‫ﺑﻠ ﺔ ﻟﻼر‬
‫ﺑﻮاﺳﻄ ﺔ اﻷﺟﻬﺰة اﻟﻘﺎ‬‫ﺗﻢ ﺟﻤﻌﻬﺎ‬
‫ﺑﺎﻟﺨﺪﻣﺎ ت ﻓ ﻲ ‪metaverse‬دونﺗ ﺴﺮﻳ ﺐ‬‫ﺘﺎع‬
‫ﺘﻤ‬‫ﺘﺨﺪﻣﻴﻦ اﻻﺳ‬
‫ﺘﺎﻟ ﻲ ‪،‬ﻳﻤﻜﻦ ﻟﻠﻤ ﺴ‬
‫ﺑﺎﻟ‬
‫ﺧﺎدم ‪FL.‬و‬
‫ﺘﻬﻢ‪.‬‬
‫ﺧﺼﻮﺻﻴ‬

‫ﺗﻴ ﺔ‬
‫‪E.‬اﻟﻘﻴﺎدة اﻟﺬا‬ ‫ﺘﺤﺪﻳﺎ ت واﻟﻔﺮص‬
‫ﺑﻌﺎ‪ .‬اﻟ‬
‫را‬

‫ﺑﻴﺌ ﺔ‬‫ﺘﻜﺮر ﻓ ﻲ اﻟﻮﻗ ﺖ اﻟﺤﻘﻴﻘ ﻲ ﻣﻊ‬

‫ﺗﺼﺎل ﻣ‬
‫ﺘﺎج إﱃ ا‬
‫ﺛﻮق ‪،‬ﻳﺤ‬
‫ﺗ ﻲ ﻣﻮ‬
‫ﻳﻘﻬﺎ إﱃ اﻟ ﺴﻴﺎرا ت اﻟﻴﻮﻣﻴ ﺔ‪ .‬ﻟﻠﺤﺼﻮل ﻋﲆ ﻧﻈﺎم ﻗﻴﺎدة ذا‬‫ﺗﻌﻤﻞ ‪au‬ﻃﺮ‬
‫ﻛﺤﻮاﺟﺰ‬ ‫‪tonomous‬‬ ‫ﺗﻴﺔﺔ‬
‫ﺗﺤﺪﻳﺎ ت‬ ‫ﺬا‬
‫ﺒﻌ‬‫ﺳ‬‫اﻟﻘﻴﺎدة اﻟ‬
‫أﻋﻼهﺔ‪ ،‬ﺣﺪدﻧﺎ‬
‫ﺗﺸﻖﺗﻘﻨﻴ‬ ‫ﺒﺎت ت ‪،‬‬
‫اﻟﻤﺬﻛﻮرة‬ ‫ﻟﻠﻤﺮﻛ‬
‫ﺒﻴﻘﺎ‬‫ﺘﻄ‬‫ﻷﺷﻴﺎء‬ ‫ﺘﺮﻧﻟـ ﺖ ا‬
‫‪FL‬ﻓ ﻲ اﻟ‬ ‫اﻟﻜﺎﻣﻠإﻧﺔ‬
‫ﺗﻘﺪم‬ ‫اﻹﻣﻜﺎﻧﺎﻣﻊت‬
‫إﱃ ﺟﻨ ﺐ‬ ‫ﺒﺎ‬
‫ﻟﺟﻨ ً‬
‫ﺘﺤﻘﻴﻖ‬
‫ﺒﻴﺮة ﻣﻦ‬
‫ﺘﺎج ﻧﻈﺎم اﻟﻘﻴﺎدة إﱃ ﻧﻘﻞ ﻛﻤﻴ ﺔ ﻛ‬
‫ﺑ ﺔ ‪،‬ﻳﺤ‬
‫ﺒﺮ اﻟ ﺴﺤﺎ‬
‫ﺘﻘﻠﻴﺪﻳ ﺔ ﻋ‬
‫ﺒ ﺔ ﻟﻠﻄﺮﻳﻘ ﺔ اﻟﻤﺮﻛﺰﻳ ﺔ اﻟ‬
‫ﺑﺎﻟﻨ ﺴ‬‫ﺒﻴﺌ ﺔ‪.‬‬
‫ﺘﻄﻮر ﻣﻊﺗﻐﻴﺮ اﻟ‬
‫أنﻳ‬ ‫ﻳﻤﻜﻦ‬
‫اﻟﻤﻮارد‬ ‫ﻣﻦ ًﻴﺎ)‪1‬‬
‫ﺘﺤﺪﻳﺎﻧﻬﺠًتﺎ ذﻛ‬
‫ﺒﺎ ت‬
‫اﻟﻤﺮﻛاﻟ‬
‫ﺒﻴﺌﻲﺔ ﻫﺬه‬
‫ﺗ‬ ‫ﻷﺷﻴﺎء‪.‬ﺔ ﻟ‬
‫ﺗﺄ‬ ‫ﺖ اواﻟﺰﻣﺎﻧﻴ‬
‫اﻟﻤﻜﺎﻧﻴ ﺔ‬
‫ﺘﺮﻧ‬ ‫ﺘﻐﻴﻴﺮا ت‬
‫أﺟﻬﺰة إﻧ‬ ‫ﺘﻤﻠاﻟﺔ ﻣﻦ‬
‫اﻟﻤﺤﺐ‬
‫ﺘﻄﻠ‬
‫ﺗ‬ ‫ﻳﻀﺎ ‪،‬ت‬‫اﻟﻮﺻﻮل‪ .‬أ ً‬
‫اﻟﻤﻠﻴﺎرا‬ ‫ﺘﻌﺪدة‪FL‬ﻋﲆ‬‫ﺗﺼﺎﻻﺔ ﻟت ﻣ‬
‫ﺘﻤﻜﻴﻦ‬ ‫ار‬
‫ﺋﻴ ﺴﻴ‬
‫ﺒﻜ ﺔ إﱃ ﻋﺪم ﻗﺪرة ﻧﻈﺎم اﻟﻘﻴﺎدة ﻋﲆ‬
‫ﺘﺮددي اﻟﻤﺤﺪود ﻟﻠﺸ‬
‫ﺒﻴﺮ اﻟﺤﺠﻢ وﻋﺮض اﻟﻨﻄﺎق اﻟ‬
‫ﺒﻴﺎﻧﺎ ت ﻛ‬
‫ﺗﺼﺎل اﻟﻨﺎﺟﻢ ﻋﻦ ﻧﻘﻞ اﻟ‬
‫اﻟﺰاﺋﺪ ﻟﻼ‬
‫ﺗﺼﺎل‬ ‫)‪3‬اﻻ‬‫اﻟﺤﻤﻞ‬ ‫ﻳﺆدي‬
‫اﻟﺤﺎﻓ ﺔ ‪،‬‬ ‫ﺘﺎح ﻗﺪ‬
‫ﻋﲆ‬ ‫ﻟﻠﺨﺼﻮﺻﻴ ﺔ‪.‬‬ ‫ﺘﻤﻞﻟﻠﺸ‬
‫ﺒﻜ ﺔ اﻟﻤ‬ ‫ﺘﺮددي ب ﻣﺤ‬
‫اﻟﻤﺤﺪود‬ ‫اﻟﻨﻄﺎق ﻓاﻟ ﻲﺗ ﺴﺮ‬
‫ﺒﺐ‬ ‫ﺘﺴ‬ ‫ﻣﻤﺎ ‪،‬ﻗﺪﻳ‬
‫)‪2‬‬ ‫اﻟﺨﺎدم ‪،‬‬
‫ﻷﺷﻴﺎء‬ ‫ﺘﺮﻧ ﺖ ا‬‫إﱃ‬ ‫اﻟﻤﺤﺪودةﻷوﻟﻴ ﺔ‬
‫ﻷﺟﻬﺰة إﻧ‬ ‫ﺒﻴﺎﻧﺎ ت ا‬
‫اﻟ‬

‫ﺒﺮ ﻣﻮارد ﻫﺎ‬

‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ﻋ‬
‫ﺗﻨﻮع أﺟﻬﺰة إﻧ‬ ‫ﺑﺪﻗ ﺔ‪.‬‬
‫اﻟﻌﺎﻟﻢ اﻟﺤﻘﻴﻘ ﻲ ‪4) ،‬‬ ‫ﺖ ﻲاﻟﻔﻌﻠ ﻲ‬
‫إﻋﺪادا ت‬ ‫اﻟﻮﻗ‬
‫ﺋﻊ ﻓ‬‫ﺑﺸﻜﻞ ﻲﺷﺎ‬
‫اﻟﻤﻜﺎﻧﻴ ﺔ ﻓ‬
‫ﻳﺤﺪ ث‬‫ﺘﻐﻴﺮا ت‬
‫ﺘﻘﻄﻊ ﺔواﻟﻟﻠ‬
‫ﺘﻮاﻓﺮ‬ ‫ﺑ‬‫ﺘﺠﺎ‬
‫ﺳ‬ ‫اﻻ‬
‫اﻟﻤ‬
‫ﺗﺠﻤﻴﻊ‬
‫ﺑﻌﺪ ﻋﻤﻠﻴﺎ ت اﻟﻨﺸﺮ ‪6) ،‬ﻛﻴﻔﻴ ﺔ اﻟﺤﻤﺎﻳ ﺔ ﻣﻦ اﻟﻬﺠﻤﺎ ت اﻟﻌﺪاﺋﻴ ﺔ و‬‫ﺘﺎﺣ ﺔ ‪5) ،‬اﻟﺪﻳﻨﺎﻣﻴﺎ ت اﻟﺰﻣﻨﻴ ﺔ‬
‫اﻟﻤ‬

‫ﺘﻤﻊ‪ .‬ﻓﻴﻤﺎ‬
‫ﺗﻄﻮﻳﺮ اﻟﻨﻈﺎم ﻓ ﻲ اﻟﻤﺠ‬
‫ﺘﻮﺣﻴﺪ اﻟﻘﻴﺎﺳ ﻲ و‬
‫ﺘﻘﺎر إﱃ أدوا ت اﻟ‬
‫ﺑﺸﻜﻞ آﻣﻦ ‪ ،‬و )‪7‬اﻻﻓ‬‫ﻣﻌﻠﻮﻣﺎ ت اﻟﻌﻤﻴﻞ‬

‫ﺘﺤﺪﻳﺎ ت‪.‬‬
‫ﺘﺤﺪﻳﺎ تﺗﻠﻴﻬﺎ اﻟﻔﺮص اﻟﻮاﻋﺪة ﻟﻤﻮاﺟﻬ ﺔﺗﻠﻚ اﻟ‬
‫ﻳﻠ ﻲ ‪ ،‬ﻧﺼﻒ ﻫﺬه اﻟ‬

‫ﺘﻜﻴﻒ ﻣﻊ‬
‫ﺑ ﺔ وﻳﻤﻜﻦ أنﺗ‬
‫ﺒﻴﺎﻧﺎ ت إﱃ اﻟ ﺴﺤﺎ‬
‫ﺒ ﺔ ﻓﻘﻂ إﱃ ﻧﻘﻞ ﺣﺠﻢ ﻣﺤﺪود ﻣﻦ اﻟ‬
‫ﺘﺎج ﻛﻞ ﻣﺮﻛ‬
‫ﺗﺤ‬‫ﺘﺤﺪﻳﺎ ت اﻟﻤﺬﻛﻮرة أﻋﻼه‪ .‬ﻣﻊ ‪FL ،‬‬
‫ﺘﺨﻔﻴﻒ ﻣﻦ اﻟ‬
‫ﺗﺠﺎ ﻫًﺎ واﻋﺪًا ﻟﻠ‬
‫ﺗﻴ ﺔ ا‬
‫ﺒﺎ ت ﻟﻠﻘﻴﺎدة اﻟﺬا‬
‫ﺒ ﺔ ﺣﺎﻓ ﺔ اﻟﻤﺮﻛ‬
‫ﺘﻌﻠﻢ اﻟﻤﻮﺣﺪ ﻓ ﻲ ﺣﻮﺳ‬
‫ﺘﻤﺎد اﻟ‬
‫ﺒﺢ اﻋ‬
‫أﺻ‬

‫ﺜﺮ ﺣ ﺴﺎﺳﻴ ﺔ‪.‬‬

‫ﺑﺸﻜﻞ أﻛ‬‫ﺘﻐﻴﻴﺮا ت اﻟﻤﺤﻠﻴ ﺔ ﻓ ﻲ اﻟﻮﻗ ﺖ اﻟﻔﻌﻠ ﻲ‬
‫اﻟ‬

‫أ‪ .‬ﻣﻮارد ﻣﺤﺪودة ﻋﲆ اﻟﺠﻬﺎز‬

‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‪ .‬ﻣﻦ اﻟﻤﻌﺮوف‬

‫ﺒ ﺐ اﻟﻤﻮارد اﻟﻤﺤﺪودةﻷﺟﻬﺰة إﻧ‬
‫ﺑﺴ‬‫ﺑﺸﺪة‬‫ﺒﻜ ﺔ‬
‫ﺘﻢ إﻋﺎﻗ ﺔ ﻧﺸﺮ ‪FL‬ﻋﲆ ﺣﺎﻓ ﺔ اﻟﺸ‬
‫ﻳ‬

‫ﺜﻔ ﺔ ‪ ،‬ﻣﻤﺎ‬
‫ﺑﻴ ﺔ ﻣﻜ‬
‫ﺘﻄﻠ ﺐ ﻋﻤﻠﻴﺎ ت ﺣ ﺴﺎ‬
‫ﺒﻴ ﺔ اﻟﻌﻤﻴﻘ ﺔ ‪،‬ﺗ‬
‫ﺒﻜﺎ ت اﻟﻌﺼ‬
‫ﺘﻌﻠﻢ اﻵﻟ ﻲ اﻟﺤﺎﻟﻴ ﺔ ‪ ،‬وﺧﺎﺻ ﺔ اﻟﺸ‬
‫أن ﻧﻤﺎذج اﻟ‬

‫ﺘﺎﻟ ﻲ ‪،‬‬
‫ﺑﺎﻟ‬
‫ﺘﻄﻮرة‪ .‬و‬ ‫ﺘﺪرﻳ ﺐ ﻋﲆ اﻷﺟﻬﺰة اﻟﻤ‬ ‫ﺒﺎ ت ﺻﺎرﻣ ﺔ ﻋﲆ اﻷﺟﻬﺰة وﻗﺪﻳﺆدي إﱃ اﻧﺨﻔﺎض ﻛﻔﺎءة اﻟ‬ ‫ﺘﻄﻠ‬
‫ﻳﻘﺪم ﻣ‬
‫ﺘﻘﻠﻴﺪﻳ ﺔ ‪ ،‬ﻓﻀ ﻼ ً ﻋﻦ‬
‫ﺒ ﺔ اﻟﺸﺨﺼﻴ ﺔ اﻟ‬
‫ﺘﺮﻧ ﺖ ﻣﻦ ﺧﻼل اﻟﺤﻮﺳ‬
‫ﺒﺮ اﻹﻧ‬
‫ﺑﺔ ﻋ‬
‫ﺑﺎﻟﻜﺎﻣﻞ وﻏﺎﻣﺮة وﺟﺬا‬‫ﺘﺼﻠ ﺔ‬
‫ﺑﻌﺎد ﻣ‬
‫ﺛﻴ ﺔ اﻷ‬
‫ﺛﻼ‬‫ﺘﺮاﺿﻴ ﺔ‬
‫ﺘﺮﻧ ﺖ ‪،‬ﻳﻮﻓﺮﺗﺠﺎر ب اﻓ‬ ‫ﺘﺮض ﻟﻺﻧ‬ ‫ﺒﺎرة ﻋﻦ ﺟﻴﻞ ﺟﺪﻳﺪ ﻣﻔ‬ ‫ﺘﺮاﺿ ﻲ إن ‪metaverse‬ﻋ‬ ‫‪F. Metaverse‬واﻟﻮاﻗﻊ اﻻﻓ‬
‫ﺘﺪﻻل‬ ‫ﺘ ﺴﺮﻳﻊ اﻻﺳ‬‫ﺗﺠﺎ ﻫًﺎ واﻋﺪًا ﻟ‬
‫ﺘﻌﻠﻢ اﻵﻟ ﻲ ﻋﲆ اﻟﺤﺎﻓ ﺔﻳﻌﺪ ا‬‫ﺒﻴﻘﺎ ت اﻟ‬
‫ﺘﻄ‬‫ﺘﺨﺼﺼ ﺔ ﻟ‬‫ﻓﺈنﺗﻄﻮﻳﺮ أﺟﻬﺰة ﻣﺨﺼﺼ ﺔ وﻣ‬

‫ﺘﻮاﺋﻢ اﻟﺮﻗﻤﻴ ﺔ‬
‫ﺒﻨﺎ ت اﻷﺳﺎﺳﻴ ﺔ ﻓ ﻲ ‪ metaverse‬ﻫ ﻲ اﻟ‬
‫ﺘﺮاﺿﻴ ﺔ واﻟﻤﺸﺎرﻛﻴﻦ اﻵﺧﺮﻳﻦ‪ .‬واﺣﺪة ﻣﻦ اﻟﻠ‬ ‫‪Edge‬ﻣﻮارد‬
‫ﺘﻔﺎﻋﻞ ﻣﻊ اﻟﻜﺎﺋﻨﺎ ت اﻻﻓ‬ ‫أﺟﻬﺰة‬
‫ﻳﻤﻜﻨﻬﻢ اﻟ‬ ‫ﺘﻠﻚ‬
‫اﻟﺮﻣﺰﻳ ﺔ و‬‫ﺗﻤ‬
‫ﺻﻮرﺔ‪.‬ﻫﻢ‬
‫ﺘﺨﺪﻣﻮناﻟﻌﺎﻣ‬
‫ﻷﻏﺮاض‬
‫اﻟﻤ اﺴ‬
‫ﺑﻤﻌﺎﻟﺠﺎ ت‬
‫ﺘﻠﻚ‬ ‫ﺜﻴﺮ ﻣﻘﺎرﻧ ﺔ‬
‫‪metaverse‬ﻳﻤ‬ ‫ﺑﻜ‬‫أﻗﻞ‬
‫ﻃﺎﻗ ﺔﻓ ﻲ ‪،‬‬ ‫ﺘﺨﺪام‬
‫واﻟﻤﻌﺰز‪.‬‬ ‫ﺳﻲ‬‫اﻻﻓﻣﻊ ا‬
‫ﺘﺮاﺿ‬ ‫اﻟﻤﻬﺎم‬ ‫أﺟﻬﺰةﺐ‬
‫اﻟﻮاﻗﻊ‬ ‫ﺗﺪرﻳ‬
‫و‬

‫ﺘﻄﻠ ﺐ‬
‫ﺒﻴﺎﻧﺎ ت‪.‬ﺗ‬
‫ﺘﺨﺰﻳﻦ واﻟﻮﺻﻮل إﱃ اﻟ‬
‫اﻟﻔﻌﻠﻟﻠ ﻲ‪.‬‬
‫ﺬاﻛﺮة‬‫اﻟﻮﻗ اﻟ‬
‫ﺖ‬ ‫ﻣﻦ ﻲﺣﻴ ﺚ‬ ‫وﻟﻜﻦ أ ً‬
‫ﻳﻀﺎ‬
‫اﻟﻤﺎدي ﻓ‬ ‫ﺣﺎﻟ ﺔباﻟﻌﺎﻟﻢ‬
‫اﻟﺤ ﺴﺎ‬ ‫ﺣﻴ ﺚ‬
‫ﺗﻌﻜ ﺲ‬ ‫ﻓﻘﻂ ﻣﻦ‬
‫ﺘﺮاﺿﻴ ﺔ‬ ‫ﻣﺤﺪودةﻓﻟﻴﻲ ﺲ‬
‫ﺑﻴﺌ ﺔ اﻓ‬ ‫اﻟﻤﻜﺮرة‬

‫ﺘﺨﺰﻳﻦ ﻟﻴ ﺲ ﻓﻘﻂ أوزان اﻟﻨﻤﻮذج‬

‫ﺒﻴﺮ ﻣﻦ ﻣﻮاﻗﻊ اﻟﺬاﻛﺮة ﻟ‬
‫ﺜ ﺔ اﻟﻮﺻﻮل إﱃ ﻗﺪر ﻛ‬
‫ﺒﻴ ﺔ اﻟﺤﺪﻳ‬
‫ﺒﻜﺎ ت اﻟﻌﺼ‬
‫ﺑﻨﻰ اﻟﺸ‬

‫ﺒﻴﺮا ﻟﻤﻌﺎﻟﺠ ﺔ ﻧﻤﺎذج‬

‫ﺜﻞﺗﺤﺪﻳﺎ ﻛ‬
‫ﺑﺎ ت‪ .‬ﻟﺬﻟﻚ ‪،‬ﻳﻤ‬
‫ﺘﺠﻬﺎ اﻟﺤ ﺴﺎ‬
‫ﺘ ﻲﺗﻨ‬
‫ﺘﺎﺋﺞ اﻟﻮﺳﻴﻄ ﺔ اﻟ‬ ‫واﻟﻤﻌﻠﻤﺎ ت وﻟﻜﻦ أ ً‬
‫ﻳﻀﺎ اﻟﻨ‬

‫ﺒﻴ ﺔ‬
‫ﺒﻜ ﺔ اﻟﻌﺼ‬
‫اﻟﺸ‬

‫ﺑﻴﻦ ‪Edge‬واﻟﺨﺎدم ﻟﻠﺤﺼﻮل ﻋﲆ أداء ﻋﺎﻟﻤ ﻲ أﻓﻀﻞ وأ ً‬

‫ﻳﻀﺎﺗﻌﺰﻳﺰ اﻷﻣﺎن‬ ‫ﺘﻌﺎون‬ ‫ﺘﻌﻠﻢ اﻟﻤﻮﺣﺪ ﺣ ﻼ ً واﻋﺪًا ﻟ‬
‫ﺘﻤﻜﻴﻦ اﻟ‬ ‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‪.‬ﻳﻌﺪ اﻟ‬
‫ﺘ ﻲﺗﻢ ﺟﻤﻌﻬﺎ ﻣﻦ أﺟﻬﺰة إﻧ‬
‫ﺒﻴﺎﻧﺎ ت اﻟ‬
‫ﺑﺎﻟ‬‫ﺘﺮاﺿ ﻲ واﻟﻤﺎدي‬
‫ﺑﻴﻦ اﻟﻌﺎﻟﻢ اﻻﻓ‬‫ﺗﺼﺎل‬
‫ﺒﻂ اﻻ‬
‫ﺗ‬‫ﻳﺮ‬
‫‪Machine Translated by Google‬‬
‫‪4‬‬

‫ﺘﻮي ﻋﲆ وﺣﺪا ت اﻟﻤﻌﺎﻟﺠ ﺔ‬

‫ﺘ ﻲﺗﺤ‬
‫ﺑ ﺔ اﻟﻤﻜﻠﻔ ﺔ إﱃ وﺣﺪا ت اﻟﺬاﻛﺮة اﻟﺨﺎرﺟﻴ ﺔ‪ .‬أﺧﻴ ﺮًا ‪ ،‬ﻋﲆ ﻋﻜ ﺲ اﻟﺨﻮادم اﻟ‬
‫ﺘﺎ‬
‫ﻋﻤﻠﻴﺎﻓ ﻲت اﻟﻘﺮاءة واﻟﻜ‬ ‫ﺘﺠﻨﺔﺐ‬
‫اﻟﺤﺎﻓ ﺔ‬ ‫ﺑ‬ ‫اﻟﺮﻗﺎﻗ ﺔ‪ ،‬ﻟ‬
‫ﺑﻮا‬ ‫ﺜﺎل‬ ‫ﻋﲆاﻟﻤ‬
‫ﺒﻴﻞ‬‫ﺒﻴﺎﻧﺎﺳت‬
‫ﻋﲆﺔ اﻟ)ﻋﲆ‬
‫ﺒ‬ ‫ﻳﺤﺎﻓﻆ‬
‫اﻟﻘﺮﻳ‬ ‫ﺬاﻛﺮة و‬
‫اﻟﺤﺎﻓ ﺔ‬ ‫إﱃ اﻟ‬
‫ﺗﻬﺎ إﱃ‬ ‫اﻟﻮﺻﻮلأﺟﻬﺰ‬ ‫ﻣﻦ‬
‫ﺘﻌﻠﻢ ﻣﻦ‬ ‫اﻟﻤﻮاردﻳﻘﻠﻞ‬
‫وﻣﻬﺎم اﻟ‬ ‫ﻗﻴﻮد‬
‫ﺒﻴﺎﻧﺎ ت‬ ‫ﻳﻎﺟﻬﺎز‬
‫ﻋﻴﻨﺎ ت اﻟ‬ ‫ﻋﲆ‬
‫ﺗﻔﺮ‬
‫ﺘﻄﻮرة ذا ت اﻟﻤﻌﺎﻟﺠﺎ ت اﻟﻤﻀﻤﻨ ﺔ ﻟﺪﻳﻬﺎ ﻣﻴﺰاﻧﻴ ﺔ ﻣﺤﺪودة ﻟﻠﻄﺎﻗ ﺔ ‪ ،‬ﻣﻤﺎﻳﻔﺮض ﻗﻴﻮدًا إﺿﺎﻓﻴ ﺔ ﻋﲆ أداء اﻷﺟﻬﺰة‪ .‬ﻋﲆ اﻟﺮﻏﻢ ﻣﻦ‬
‫ﺑﺄداء‬‫ﺘﻌﺪدة‬
‫ﻷﺟﻬﺰة اﻟﻤ‬
‫ﺣﺎﻓ ﺔ ﻣ‬
‫ﻓﺈن ا‬
‫ﻟﺨﻮادم‬
‫اﻟﻄﺎﻗ ﺔ ‪،‬‬
‫ﺴﻤﺢ‬ ‫ﺬيﻳﻣﻦ‬
‫ﺒﻴﺮ‬
‫ﻗﺪرواﻟﻛ‬
‫اﻟﻌﻤﻴﻞ ‪،‬‬
‫ﺘﺨﺪام‬ ‫ﺳ‬
‫ﺣﺎﻓ ﺔ‬
‫ﻳﻤﻜﻨﻬﺎ ا‬
‫ﺑﺔ‬
‫ﺳﺤﺎ‬
‫ﺘﻲ‬
‫ﻧﻤﻮذج‬
‫ﺳﻮﻣﺎ ت اﻟ‬
‫اﻟﺮ ﻓ ﻲ‬
‫ﺳﺮﻳﻊ‬‫ﻣﻌﺎﻟﺠ ﺔ‬
‫ووﺣﺪاﺣ تﺴﺎ ب‬
‫اﻟﻤﻨﺰل(ﺔ ﻹﺟﺮاء‬
‫اﻟﻤﺮﻛﺰﻳ‬
‫ﺘﻬﻠ ًﻜﺎ ﻟﻠﻮﻗ ﺖ وﻏﻴﺮ ﻓﻌﺎل‪.‬‬
‫ﺘﻌﻠﻢ اﻟﻌﻤﻴﻖ ﻋﲆ اﻟﺠﻬﺎز ﻻﻳﺰال ﻣ ﺴ‬
‫ﺑﻌﺾ ﻧﻤﺎذج اﻟ‬‫ﺘﻄﻮرة اﻟﺤﺎﻟﻴ ﺔﺗﺰداد ﻗﻮة ‪ ،‬إﻻ أنﺗﺪرﻳ ﺐ‬
‫ﻟﻠﻨﻤﻮذج‪.‬‬
‫ﻷﺟﻬﺰة اﻟﻤ‬
‫ﺋا ﻲ‬
‫ﺟﺰ‬
‫ﺗﺠﻤﻴﻊﺔ أن‬
‫ﺣﻘﻴﻘ‬

‫ﺘﺮﻧ ﺖ‬
‫ﺘﺮددي ﻓ ﻲﺳﻴﺎق إﻧ‬
‫ﺘﻘﻠﻴﻞ اﻟﻄﻠ ﺐ ﻋﲆ اﻟﻨﻄﺎق اﻟ‬
‫ﺘﻌﺎﻣﺪة ﻟ‬
‫ﺘﺮﺣ ﺖ ﻫﺬه اﻷﻋﻤﺎلﺗﻘﻨﻴﺎ ت واﻋﺪة وﻣ‬
‫اﻗ‬
‫ً‬
‫ﻧﻄﺎﻗﺎ‬ ‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‬
‫ﺘﻘﻨﻴﺎ ت ﻣﻌً ﺎ ﻓ ﻲ اﻟ ﺴﻴﻨﺎرﻳﻮ ﺣﻴ ﺚﺗﻮاﺟﻪ أﺟﻬﺰة إﻧ‬
‫ﺘﺼﻮر أﻧﻪﻳﻤﻜﻦ دﻣﺞ ﻫﺬه اﻟ‬
‫اﻷﺷﻴﺎء‪ .‬ﻧ‬

‫ﺒﻜ ﺔ‪.‬‬
‫ﺗﺮددﻳًﺎ ﻣﺤﺪودًا ﻟﻠﻐﺎﻳ ﺔ ﻟﻠﺸ‬

‫ﺜﻴﻴﻦ‪:‬‬
‫ﺑﺤ‬‫ﺗﺠﺎ ﻫﻴﻦ‬
‫ﺑﺸﻜﻞ أﺳﺎﺳ ﻲ ﻋﲆ ا‬‫ﺜﻮن‬
‫ﺒﺎﺣ‬
‫ﺒﻴﺌ ﺔ اﻟﺤﺎﻓ ﺔ ‪،‬ﻳﺮﻛﺰ اﻟ‬
‫ﺒﻴﻖ ﻟ‬
‫ﺘﻄ‬‫ﺑﻠﻴ ﺔ ﻟﻠ‬
‫ﺜﺮ ﻗﺎ‬
‫ﻟﺠﻌﻞ اﻟﻨﻤﺎذج أﻛ‬
‫ﺗﺼﻤﻴﻢ ﻧﻤﺎذج ‪ /‬ﺧﻮارزﻣﻴﺎ ت ﺧﻔﻴﻔ ﺔ اﻟﻮزن وﺻﺪﻳﻘ ﺔ ﻟﻸﺟﻬﺰة ‪ ،‬وﺿﻐﻂ اﻟﻨﻤﺎذج اﻟﺤﺎﻟﻴ ﺔ ﻟﻠﺤﺼﻮل ﻋﲆ ﻧﻤﺎذج‬ ‫ﺘﻮاﻓﺮ‬
‫ﺘﻘﻄﻊ واﻟ‬
‫ﺗﺼﺎل اﻟﻤ‬
‫ﺟﻴﻢ اﻻ‬
‫ﺘﺮاح ]‪FedMask [6‬‬
‫ﺜﺎل ‪،‬ﺗﻢ اﻗ‬
‫ﺒﻴﻞ اﻟﻤ‬
‫ﺜﺮ ﻛﻔﺎءة ﻓ ﻲ اﻟﺤ ﺴﺎ ب واﻟﻄﺎﻗ ﺔ‪ .‬ﻋﲆﺳ‬
‫ﺘ ﻲﺗﻌﺪ أﻛ‬
‫أﺻﻐﺮ وأﺻﻐﺮ ‪ ،‬واﻟ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‬
‫ﺘﻘﻄﻊﻷﺟﻬﺰة إﻧ‬
‫ﺗﺼﺎل اﻟﻤ‬
‫ﺘﺮددي ‪،‬ﻳﺸﻴﺮ اﻻ‬
‫ﺑﻖ ﻟﻘﻴﻮد اﻟﻨﻄﺎق اﻟ‬
‫ﺘﺤﺪي اﻟ ﺴﺎ‬
‫ﺑﺼﺮف اﻟﻨﻈﺮ ﻋﻦ اﻟ‬
‫ﺘﻌﺮف ﻋﲆ‬
‫ﺒﻴﻖ ‪Fed Mask ،‬ﻳﻤﻜﻦ ﻟﻜﻞ ﺟﻬﺎز اﻟ‬
‫ﺘﻮاﺻﻞ‪ .‬ﻣﻦ ﺧﻼلﺗﻄ‬
‫ﺑﺎ ت واﻟ‬
‫ﻛﺈﻃﺎر ﻋﻤﻞ ‪FL‬اﻟﻔﻌﺎل ﻟﻠﺤ ﺴﺎ‬
‫ﺘﺮﻧ ﺖ‬
‫ﺘﺪرﻳ ﺐ‪ .‬ﺧﺎﺻ ﺔ ﻓ ﻲ أﻧﻈﻤ ﺔ إﻧ‬
‫ﺘﺼﻒ ﺟﻮﻟ ﺔ اﻟ‬
‫ﺘﻘﺮﻳ ﺴﻘﻂ اﻟﺠﻬﺎز ﻣﻦ اﻟﻨﻈﺎم ﻓ ﻲ ﻣﻨ‬
‫ﺒﻜ ﺔ ﻏﻴﺮ ﻣ ﺴ‬
‫ﺗﺼﺎل ﺷ‬
‫إﱃ ا‬
‫ﺘﻜﻠﻔ ﺔ ﺣ ﺴﺎ ب‬
‫ﺑ‬‫ﺛﺮ‬
‫ﺘﻨﺎ‬
‫ﺘﻨﺎدًا إﱃ اﻟﻘﻨﺎع ‪،‬ﻳﻤﻜﻨﻪ إﻧﺸﺎء ﻧﻤﻮذج ﻣ‬
‫ﺘﺠﺎﻧ ﺲ وﻣﻨﻈﻢ ؛ اﺳ‬
‫ﺛﺮ ﻏﻴﺮ ﻣ‬
‫ﺘﻨﺎ‬
‫ﺛﻨﺎﺋ ﻲ ﻣ‬‫ﻗﻨﺎع‬
‫ﺘﻠﻔ ﺔ‬
‫ﺗﻮاﻓﺮ اﻷﺟﻬﺰة اﻟﻤﺨ‬
‫ﺘﻘﻄﻊ و‬
‫ﺗﺼﺎل اﻟﻤ‬
‫ﺒﻌﻬﺎ اﻻ‬
‫ﺘ‬‫ﺘ ﻲﻳ‬
‫ﺘ ﺴﺮ ب اﻟ‬
‫ﺒﺢ ﻣﺸﻜﻠ ﺔ اﻟ‬
‫ﺘﺼ‬‫اﻷﺷﻴﺎء واﺳﻌ ﺔ اﻟﻨﻄﺎق ‪،‬ﺳ‬
‫ﺘﻬﻼك ﻟﻠﻄﺎﻗ ﺔ‪ .‬وﻣﻊ ذﻟﻚ ‪ ،‬ﻓﺈن ﻫﺬا اﻟﻨﻬﺞ ﻏﻴﺮ ﻣﺄﻟﻮف ﻟﻸﺟﻬﺰة ؛ ﻟﺰﻳﺎدةﺗﻘﻠﻴﻞ‬
‫ﺑﺼﻤ ﺔ ذاﻛﺮة ‪ ،‬واﺳ‬
‫ﻣﻨﺨﻔﻀ ﺔ ‪ ،‬و‬
‫ﺘﻤﺪ ﻣﻌﻈﻢ دراﺳﺎ ت ‪FL‬ﻋﲆ‬
‫ﺑﻜﻔﺎءة‪ .‬ﺣﺎﻟ ًﻴﺎ ‪،‬ﺗﻌ‬‫ﺘﻬﻢ‬
‫ﺒ ﺔ ﺧﻄﻴﺮة أﻣﺎم إﻃﺎر ﻋﻤﻞ ‪FL‬ﻹدارة اﻟﻌﻤﻼء وﺟﺪوﻟ‬
‫ﻋﻘ‬
‫ﺘﺮك ﻟﻸﺟﻬﺰة واﻟﺨﻮارزﻣﻴ ﺔ ‪ ،‬واﻟﺬيﻳﻮزع‬
‫ﺘﺼﻤﻴﻢ اﻟﻤﺸ‬
‫ﺘﺼﻮر أن ﻧﻬﺞ اﻟ‬
‫ﺘﺪرﻳ ﺐ اﻟﻤﻮﺣﺪ ‪ ،‬ﻧ‬
‫ﺒﺎ ت اﻟﻤﻮارد ﻟﻠ‬
‫ﺘﻄﻠ‬
‫ﻣ‬
‫ﺘﻠﻘﻰ اﻟﻤﻌﻠﻮﻣﺎ ت‬
‫ﺘﻰﻳ‬
‫ﺒﺪأﺗﺠﻤﻴﻊ اﻟﻨﻤﻮذج ﺣ‬
‫ﺘﺰاﻣﻦ ﻋﲆ اﻟﺨﺎدم ‪ ،‬ﻣﻤﺎﻳﻌﻨ ﻲ أن اﻟﺨﺎدم ﻟﻦﻳ‬
‫ﺘﺤﺪﻳ ﺚ اﻟﻤ‬
‫اﻟ‬
‫ﺒﻠ ﻲ‬
‫ﺘﻘ‬‫ﺗﺠﺎه ﻣ ﺴ‬
‫ﺘﺪرﻳ ﺐ اﻟﻤﻮﺣﺪ ‪ ،‬ﻫﻮ ا‬
‫ﺛﻨﺎء اﻟ‬
‫ﺒﺎر أ‬
‫ﺘ‬‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ﻓ ﻲ اﻻﻋ‬
‫ﺑﻨﻴ ﺔ أﺟﻬﺰة إﻧ‬‫اﻟﻨﻤﻮذج ﻣﻦ ﺧﻼل أﺧﺬ‬
‫ﺘﻮازﻧ ﺔ‬
‫ﺗﺼﺎل ﻏﻴﺮ اﻟﻤ‬
‫ﺑﻄﺄ‪ .‬وﻣﻊ ذﻟﻚ ‪ ،‬ﻓ ﻲ إﻋﺪادا ت اﻟﻌﺎﻟﻢ اﻟﺤﻘﻴﻘ ﻲ ‪ ،‬ﻧﻈ ﺮًا ﻟﻘﺪرا ت اﻻ‬
‫اﻟﻤﺮﺳﻠ ﺔ ﻣﻦ اﻟﻌﻤﻴﻞ اﻷ‬
‫واﻋﺪ‪.‬‬
‫ﺘﻢ ﻗﻄﻊ‬
‫ﺑﻌﺾ اﻟﻌﻤﻼءﺳﻴ‬‫ﺘﻰ‬
‫ﺘﺪرﻳ ﺐ اﻟﻤﺤﻠ ﻲ ﻣﻦ ﺟﻬﺎزﻵﺧﺮ ‪ ،‬وﺣ‬
‫ﺘﻠﻒﺳﺮﻋ ﺔ اﻟ‬
‫ﺘﺪرﻳ ﺐ ‪،‬ﺗﺨ‬
‫ﺑﻴﺎﻧﺎ ت اﻟ‬‫ﺗﻮزﻳﻊ‬
‫و‬

‫ﺘﺤﻴﻞ ‪ .‬أ ً‬
‫ﻳﻀﺎ ‪ ،‬ﻟﻦﻳﻜﻮن ﻛﻞ‬ ‫ﺒﻪ ﻣ ﺴ‬
‫ﺘﺰاﻣﻦ ﺷ‬
‫ﺘﺤﺪﻳ ﺚ اﻟﻤ‬
‫ﺘﺪرﻳ ﺐ ‪ ،‬ﻣﻤﺎﻳﺠﻌﻞ اﻟ‬
‫ﺛﻨﺎء ﻣﺮﺣﻠ ﺔ اﻟ‬
‫ﺘًﺎ أ‬
‫ﺗﺼﺎﻟﻬﻢ ﻣﺆﻗ‬
‫ا‬
‫ﺘﺰاﻣﻨ ﺔ ‪،‬ﻳﻤﻜﻦ ﻟﻠﻌﻤﻴﻞ اﻻﻧﻀﻤﺎم إﱃ‬
‫ﺘﺤﺪﻳ ﺚ ‪FL.‬ﻓ ﻲﺳﻴﻨﺎرﻳﻮ ﻫﺎ ت ‪FL‬ﻏﻴﺮ اﻟﻤ‬
‫ﺣﺎ ﻓ ﻲ وﻗ ﺖ واﺣﺪ ﻟ‬
‫ﺘﺎ ً‬
‫ﻣﻨﻬﻢ ﻣ‬
‫ﺘﺪرﻳ ﺐ اﻟﻤﻮﺣﺪ ﻟﻠﺨﻄﺮ‪.‬‬
‫ﺘﺪرﻳ ﺐ ‪ ،‬ﻣﻤﺎﻳﻌﺮضﺗﻘﺎر ب اﻟ‬
‫ﺘﺼﻒﺗﻘﺪم اﻟ‬
‫ﺘﻰ ﻓ ﻲ ﻣﻨ‬
‫ﺘﻌﻠﻢ اﻟﻨﺸﻂ ﺣ‬
‫ﻣﺠﻤﻮﻋ ﺔ اﻟ‬

‫ﺒﻜ ﺔ اﻟﻤﺤﺪودة‬
‫ﺘﺮددي ﻟﻠﺸ‬
‫اﻟﻨﻄﺎق اﻟ‬

‫ﺘﻮاﺻﻞ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء اﻟﻘﺎﺋﻤ ﺔ ﻋﲆ ‪FL.‬ﺣﺎﻟ ًﻴﺎ ‪،‬ﺗ‬
‫ﺑﻴﺌ ﺔ إﻧ‬‫ﺋﻴ ﺴﻴ ﺔ ﻓ ﻲ‬
‫ﺘﺤﺪﻳﺎ ت اﻟﺮ‬
‫ﺗﺼﺎل أﺣﺪ اﻟ‬
‫ﺘﻨﺎق اﻻ‬
‫ﺒﺮ اﺧ‬
‫ﺘ‬‫ﻳﻌ‬
‫ﺘﺮددي ﻟﻬﺎ أﺻﻐﺮ‬
‫ﺘ ﻲﻳﻜﻮن ﻋﺮض اﻟﻨﻄﺎق اﻟ‬
‫ﺒﻜﺎ ت اﻟﻼﺳﻠﻜﻴ ﺔ اﻟ‬
‫ﺘﺨﺪام اﻟﺸ‬
‫ﺑﺎﺳ‬‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‬
‫ﻣﻌﻈﻢ أﺟﻬﺰة إﻧ‬
‫ﺜﺎل ‪ ،‬ﻓ ﻲ ﻇﻞﺳﻴﻨﺎرﻳﻮ اﻟﻤﻨﺰل‬
‫ﺒﻴﻞ اﻟﻤ‬
‫ﺒﻴﺎﻧﺎ ت‪ .‬ﻋﲆﺳ‬
‫ﺒﻜ ﺔ اﻟ ﺴﻠﻜﻴ ﺔ ﻓ ﻲ ﻣﺮاﻛﺰ اﻟ‬
‫ﺘﺮددي ﻟﻠﺸ‬
‫ﺜﻴﺮ ﻣﻦ اﻟﻨﻄﺎق اﻟ‬
‫ﺑﻜ‬
‫ﺑﻐﺾ اﻟﻨﻈﺮ ﻋﻦ‬‫ﺑﺄﻛﻤﻠﻪ ‪،‬‬‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‬
‫ﺘًﺎ ﻟﻨﻈﺎم إﻧ‬
‫ﺑ‬‫ﺛﺎ‬‫ﺒﻜ ﺔ اﻹﺟﻤﺎﻟ ﻲ‬
‫ﺘﺮددي ﻟﻠﺸ‬
‫اﻟﺬﻛ ﻲ ‪،‬ﻳﻜﻮن ﻣﺠﻤﻮع اﻟﻨﻄﺎق اﻟ‬

‫ﺘﺼﻠ ﺔ‪.‬‬
‫ﻋﺪد اﻷﺟﻬﺰة اﻟﻤ‬
‫ﺘﺮﻣﻴﺰ ﻟﻤﻘﺎوﻣ ﺔ‬
‫ﺘﺰاﻣﻦ ﻣﻊﺗﻨﻔﻴﺬ ﻧﻈﺮﻳ ﺔ اﻟ‬
‫ﺜﻴﻦ ﻣﺨﻄﻂﺗﺠﻤﻴﻊ ﻏﻴﺮ ﻣ‬
‫ﺒﺎﺣ‬
‫ﺑﻌﺾ اﻟ‬‫ﺘﺮح‬
‫ﺘﺤﺪي ‪ ،‬اﻗ‬
‫ﻟﻤﻮاﺟﻬ ﺔ ﻫﺬا اﻟ‬
‫ﺘﺨﻔﻴﻒ‬
‫ﺑﺎﺳﻢ ‪FedBuff‬ﻟﻠ‬‫ﺘﺰاﻣﻦﻳﻌﺮف‬
‫ﺗﻮﻛﻮلﺗﺠﻤﻴﻊ ﻏﻴﺮ ﻣ‬
‫ﺑﺮو‬‫ﺘﺮاح‬
‫ﺗﻢ اﻗ‬
‫ﺘﻄﺮﻓﻴﻦ ﻓ ﻲ ﻧﻈﺎم ‪FL.‬ﻓ ﻲ ‪[10] ،‬‬
‫اﻟﻤ‬
‫ﺜﺎ ت‬
‫ﺘﺤﺪﻳ‬
‫ﺘﻢ دﻣﺞ اﻟ‬
‫ﺘﺤﺪﻳﺪ ‪ ،‬ﻻﻳ‬
‫ﺘﺮك‪ .‬ﻋﲆ وﺟﻪ اﻟ‬
‫ﺑﺸﻜﻞ ﻣﺸ‬‫ﺘﺠﻤﻴﻊ اﻵﻣﻦ‬
‫ﺗﻤﻜﻴﻦ اﻟ‬
‫ﺘﻄﺮﻓ ﺔ و‬
‫ﻣﻦ اﻟﻌﻨﺎﺻﺮ اﻟﻤ‬
‫ﺘﻠﻚ اﻟﻌﻤﻼء ﻣﺨﺼﺼﺎ ت ﻣﻮارد‬
‫ﺗﺼﺎل ﻋﻨﺪﻣﺎﻳﻤ‬
‫ﻣﻊ اﻧﻀﻤﺎم اﻟﻤﺰﻳﺪ ﻣﻦ اﻷﺟﻬﺰة إﱃ اﻟﻨﻈﺎم ‪،‬ﺗﻈﻬﺮ ﻣﺸﻜﻠ ﺔ اﻻ‬
‫ﺜﺎ ت اﻟﻤﺤﻠﻴ ﺔ ﻓ ﻲ‬
‫ﺘﺤﺪﻳ‬ ‫ﺑﺪﻻ ً ﻣﻦ ذﻟﻚ ‪،‬ﺳﻴ ﺴ‬
‫ﺘﻤﺮ اﻟﺨﺎدم ﻓ ﻲﺗﻠﻘ ﻲ اﻟ‬ ‫ﺑﻤﺠﺮد وﺻﻮﻟﻬﺎ‪.‬‬‫ﺑﻮاﺳﻄ ﺔ اﻟﺨﺎدم‬‫اﻟﻔﺮدﻳ ﺔ‬
‫ﺘﻠﻔ ﺔ‪.‬‬
‫ﻣﺨ‬
‫ﺘﺤﺪﻳ ﺚ اﻟﻨﻤﻮذج اﻟﻌﺎم ﻋﻨﺪﻣﺎﻳﻜﻮن اﻟﻤﺨﺰن‬
‫ﺑ‬‫ﺛﻢﻳﻘﻮم‬‫ﺒﻂ ‪،‬‬
‫ﺑﻠ ﺔ ﻟﻠﻀ‬
‫ﺑﺤﺠﻢ ‪K ،‬و ﻫﻮ ﻣﻌﻠﻤ ﺔ ﻗﺎ‬‫ﻣﺨﺰن ﻣﺆﻗ ﺖ آﻣﻦ‬
‫ﺑﻞ‬‫ﺑﻴﻦ اﻟﻌﻤﻼء واﻟﺨﺎدم ﻏﻴﺮ ﻓﻌﺎل ﻓﺤ ﺴ ﺐ ‪،‬‬‫ﺗﺼﺎل‬
‫ﺒﻜ ﺔ إﱃ ﺟﻌﻞ اﻻ‬
‫ﺘﺮددي اﻟﻤﺤﺪود ﻟﻠﺸ‬
‫ﻻﻳﺆدي اﻟﻨﻄﺎق اﻟ‬
‫ﻳﺆدي أ ً‬ ‫ﺘﺠﺎﻧ ﺴ ﺔ‬
‫ﺘﻬﺎ ﻏﻴﺮ ﻣ‬
‫ﺒﻴﻌ‬
‫ﺑﻄ‬ ‫ﺘﻠ ًﺌﺎ‪ .‬وﻣﻊ ذﻟﻚ ‪ ،‬ﻓ ﻲ إﻋﺪادا ت اﻟﻌﺎﻟﻢ اﻟﺤﻘﻴﻘ ﻲ ‪،‬ﺗﻌﺪ أﺟﻬﺰة إﻧ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‬ ‫اﻟﻤﺆﻗ ﺖ ﻣﻤ‬
‫ﺛﻨﺎء‬
‫ﺗﻬﻢ اﻟﻤﺤﻠﻴ ﺔ ﻣﻊ اﻟﺨﺎدم أ‬
‫ﺜﺎ‬‫ﺘﻄﺮﻓﻴﻦ ‪ ،‬واﻟﺬﻳﻦﻳﻔﺸﻠﻮن ﻓ ﻲ ﻣﺸﺎرﻛ ﺔﺗﺤﺪﻳ‬
‫ﻳﻀﺎ إﱃ ﻇﻬﻮر ﻋﻤﻼء ﻣ‬
‫ﺒ ﺔ اﻷﻋﲆ ﻗﺎدرة ﻋﲆ إرﺳﺎل‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ذا تﺳﺮﻋ ﺔ اﻟﺤﻮﺳ‬
‫ﺘﻜﻮن أﺟﻬﺰة إﻧ‬
‫ﺘﻨﻮﻋ ﺔ‪.‬ﺳ‬
‫ﺒﺔ ﻣ‬
‫ﻣﻊﺳﺮﻋﺎ ت ﺣﻮﺳ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ﻋﲆ ﻧﻄﺎق واﺳﻊ‪.‬‬
‫ﺑ ﺔ ﻣﻌﻮﻗﺎ تﻷداء ﻧﺸﺮ ‪FL‬ﻓ ﻲﺳﻴﻨﺎرﻳﻮ إﻧ‬
‫ﺜﺎ‬
‫ﺑﻤ‬‫ﺗﺼﺎل‪ .‬ﻛﻼ ﻫﻤﺎ‬
‫ﺟﻮﻟ ﺔ اﻻ‬
‫ﺘﻤﺎ ً إﱃ‬
‫ﺑﻄﺄ ‪ ،‬ﻣﻤﺎﻳﺆدي ﺣ‬
‫ﺒ ﺔ اﻷ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ذا تﺳﺮﻋ ﺔ اﻟﺤﻮﺳ‬
‫ﺑﺸﻜﻞ أﺳﺮع ﻣﻦ أﺟﻬﺰة إﻧ‬‫ﺗﻬﺎ اﻟﻤﺤﻠﻴ ﺔ‬
‫ﺜﺎ‬‫ﺗﺤﺪﻳ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ﻓ ﻲ‬
‫ﺘﺰاﻣﻦ اﻟﺬيﻳﻤﻜﻦ أنﻳﺄﺧﺬ ﻋﺪمﺗﺠﺎﻧ ﺲ أﺟﻬﺰة إﻧ‬
‫ﺘﺼﻮر أن اﻟﻨﻬﺞ ﻏﻴﺮ اﻟﻤ‬
‫ﺘﺪرﻳ ﺐ‪ .‬ﻧ‬
‫ﺗﺤﻴﺰ اﻟ‬
‫ﺒﺎرﻳﻤﻜﻦ أنﻳﻜﻮن ﺣ ﻼ ً أﻓﻀﻞ وواﻋﺪًا‪.‬‬
‫ﺘ‬‫اﻻﻋ‬

‫ﺘﺪرج‬
‫ﺜﻞ ﺿﻐﻂ اﻟ‬
‫ﺘﻜﺸﺎف ﻃﺮق ﻣ‬
‫ﺘﺪرﻳ ﺐ اﻟﻤﻮﺣﺪ ‪،‬ﺗﻢ اﺳ‬
‫ﺛﻨﺎء اﻟ‬
‫ﺘﺮددي أ‬
‫ﺘﻘﻠﻴﻞ اﻟﻄﻠ ﺐ ﻋﲆ اﻟﻨﻄﺎق اﻟ‬
‫ﻟ‬
‫ﺒﻖ‬
‫ﺋ‬‫ﺘﺮح اﻟﺰ‬
‫ﺘﺪرﻳ ﺐ‪ .‬اﻗ‬
‫ﺘ ﺴﺎ ب ﻛﻔﺎءة اﻟ‬
‫ﺘﺪرﻳ ﺐ ﻻﻛ‬
‫ﺑﺠﻮدة اﻟ‬‫ﺜﻒ‪ .‬وﻣﻊ ذﻟﻚ ‪ ،‬ﻓﺈن ﻫﺬه اﻷﺳﺎﻟﻴ ﺐﺗﻀﺮ‬
‫ﺑﺸﻜﻞ ﻣﻜ‬
‫ﺘﺪرﻳ ﺐ‬
‫ﺑﺠﻮدة اﻟ‬‫ﺘﺪرﻳ ﺐ اﻟﻔﻌﺎل اﻟﻤﻮزع ﻋﲆ اﻟﺠﻬﺎز دون اﻟﻤ ﺴﺎس‬
‫ﺘﻴﺢ اﻟ‬
‫ﺋﻤﺎ ﻋﲆ أﺧﺬ اﻟﻌﻴﻨﺎ تﻳ‬
‫]‪[7‬إﻃﺎ ًرا ﻗﺎ ً‬
‫ﺑﺎﻹﺿﺎﻓ ﺔ إﱃ ذﻟﻚ ‪،‬ﻳﺼﻮغ ﻋﻤﻞ ]‪Chen et al. [8‬ﻣﺸﻜﻠ ﺔﺗﺨﺼﻴﺺ‬‫ﺘﺤﺪي‪.‬‬
‫ﻛﻤﺼﺪر إﻟﻬﺎم ﺟﺪﻳﺪ ﻟﺤﻞ ﻫﺬا اﻟ‬
‫ﺘﻌﻠﻢ اﻟﻤﻮﺣﺪ ﻛﻤﺸﻜﻠ ﺔﺗﺤ ﺴﻴﻦ ﻫﺪﻓﻬﺎﺗﻘﻠﻴﻞ‬
‫ﺛﻨﺎءﺗﺪرﻳ ﺐ ﻧﻤﺎذج اﻟ‬
‫ﺘﺨﺪم أ‬
‫ﺘﻴﺎر اﻟﻤ ﺴ‬
‫ﺘﺮددي واﺧ‬
‫ﻣﻮارد اﻟﻨﻄﺎق اﻟ‬
‫ﺘﺮح أ ً‬
‫ﻳﻀﺎ إﻃﺎر ﻋﻤﻞﺗﺠﻤﻴﻊ‬ ‫ﺘﻬﻼك اﻟﻄﺎﻗ ﺔ‪ .‬ﻟﻴﻮ وآﺧﺮون‪ .‬اﻗ‬
‫ﺘﺄﺧﻴﺮ واﺳ‬
‫ﺒﺎ ت اﻟ‬
‫ﺘﻄﻠ‬
‫ﺒﻴ ﺔ ﻣ‬
‫ﺘﺪرﻳ ﺐ ﻣﻊﺗﻠ‬
‫ﻓﻘﺪان اﻟ‬
‫ﺒﺔ‬
‫اﻟﻤﺪﻋﻢ ﻓ ﻲ اﻟﺤﻮﺳ‬
‫ﺘﻌﻠﻢ ُ‬
‫ﺘﺸﻐﻴﻞ اﻟ‬
‫ﺗﺼﺎل ﻟ‬
‫ﺘﺨﺪام ﻣﻮارد اﻻ‬
‫ﺑ ﺔ اﻟﻌﻤﻴﻞ ﻛﻄﺮﻳﻘ ﺔ ﻓﻌﺎﻟ ﺔ ﻓ ﻲ اﺳ‬
‫ﻫﺮﻣ ﻲ ﻟ ﺴﺤﺎ‬
‫ﺘﻄﻮرة ‪[9].‬ﻛﻞ ﻋﻤﻴﻞ ﻗﺎدر ﻋﲆ‬
‫اﻟﻤ‬
‫د‪ -‬ﻋﺪمﺗﺠﺎﻧ ﺲ اﻟﻨﻈﺎم‬

‫ﺘﻨﻮﻋ ﺔ ﻣﻦ ﺣﻴ ﺚ‬
‫ﺒﺮ اﻷﺟﻬﺰة ‪،‬ﻳﻜﻮن ﻟﻠﻌﻤﻼء ﺿﻤﻦ إﻃﺎر ﻋﻤﻞ ‪FL‬ﻣﻘﺎﻳﻴ ﺲ ﻧﻈﺎم ﻣ‬
‫ﺿﻤﻦ اﻹﻋﺪادا ت ﻋ‬
‫ﺘﻠﻔﻴﻦ‬
‫ﺑﺎﺋﻌ ﻲ أﺟﻬﺰة ﻣﺨ‬‫ﺘﻰ‬
‫ﺘﻠﻔ ﺔ أو ﺣ‬
‫ﺑﻨﻰ أﺟﻬﺰة ﻣﺨ‬‫ﺘﻠﻔ ﺔ ﻣﻊ‬
‫ﺘﺨﺪام أﺟﻬﺰة ﻣﺨ‬
‫ﺘﻢ اﺳ‬
‫ﺒﺮاﻣﺞ‪.‬ﻳ‬
‫ﺒ ﺔ واﻟ‬
‫اﻷدوا ت اﻟﺼﻠ‬
‫ﺘﻠﻔ ﺔ‪.‬ﻳﻤﻜﻦ ﻟﻠﻌﻤﻼء‬
‫ﺑﺮﻣﺠﻴ ﺔ ﻣﺨ‬‫ﺒﻴﻘﺎ ت‬
‫ﺑﺮﻣﺠ ﺔﺗﻄ‬‫ﺘﻠﻔ ﺔ وواﺟﻬﺎ ت‬
‫ﺘﻌﻠﻢ ﻓ ﻲ أﻧﻈﻤ ﺔﺗﺸﻐﻴﻞ ﻣﺨ‬
‫ﻷداء ﻣﻬﺎم اﻟ‬
‫ﺘﻠﻒ‬
‫ﺘﻴﺎر ﻋﻤﻖ ﻣﺨ‬
‫اﺧ‬
‫‪Machine Translated by Google‬‬
‫‪5‬‬

‫ﺘﺞ ﻋﻨﻪﺗﻨ ﺴﻴﻘﺎ ت‬

‫ﺘﺪرﻳ ﺐ اﻟﻨﻤﺎذج اﻟﻤﺤﻠﻴ ﺔ ‪ ،‬ﻣﻤﺎﻳﻨ‬
‫ﺜﻞ ‪TensorFlow‬و ‪PyTorch‬و ‪Caffe‬ﻟ‬
‫ﺘﻌﻠﻢ ﻣ‬
‫أﻃﺮ اﻟ‬ ‫ﺜﻘ ﺔ‬
‫ﺑﺎﻟ‬‫و‪ .‬اﻟﺠﺪارة‬

‫ﺑﻞ أد ت أ ً‬
‫ﻳﻀﺎ‬ ‫ﺘﺼﻤﻴﻢ اﻟﻨﻈﺎم ﻓﺤ ﺴ ﺐ ‪،‬‬
‫ﺒﻴ ﺮًا ﻟ‬
‫ﺘﻨﻮﻋﺎ تﺗﺤﺪﻳًﺎ ﻛ‬
‫ﺘﺠﻤﻴﻊ‪ .‬ﻟﻢﺗﺸﻜﻞ ﺟﻤﻴﻊ اﻟ‬
‫ﺘﻠﻔ ﺔ ﻟﻠ‬
‫ﻧﻤﺎذج ﻣﺨ‬
‫ﺜﻞ‬
‫ﺑ ﺔ ﻟﻸﻋﺪاء اﻟﺬﻳﻦﻳ ﺴﻌﻮن ﻟﺸﻦ ﻫﺠﻤﺎ ت ﻣ‬ ‫ً‬
‫ﻫﺪاﻓﺎ ﺟﺬا‬ ‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء أ‬
‫ﻓ ﻲ اﻟﻨﺸﺮ اﻟﻌﻤﻠ ﻲ ‪،‬ﺗﻌﺪ أﺟﻬﺰة إﻧ‬
‫ﺘﺰاﻣﻦ ﻋﲆ اﻟﻨﺤﻮ اﻟﻤﺬﻛﻮر أﻋﻼه‪.‬‬
‫ﺗﺼﺎل ﻏﻴﺮ اﻟﻤ‬
‫إﱃﺗﻔﺎﻗﻢ ﻣﺸﻜﻠ ﺔ اﻻ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ‪،‬‬
‫ﺒﻜﺎ ت إﻧ‬
‫ﺘﻴﺎﻟ ﻲ وﺳﺮﻗ ﺔ اﻟﻬﻮﻳ ﺔ واﻟﺤﺮﻣﺎن اﻟﻤﻮزع ﻟﻠﺨﺪﻣ ﺔ ‪(DDoS).‬ﻣﻊﺗﻮﺳﻊ ﺷ‬
‫ﺘﺼﻴﺪ اﻻﺣ‬
‫اﻟ‬
‫ﺒﻮﻗ ﺔ ‪،‬‬
‫ﺘﻮﻳﺎ ت ﻏﻴﺮ ﻣ ﺴ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء إﱃ ﻣ ﺴ‬
‫ﺘﻤﻞ ﻟﻬﺠﻤﺎ ت ‪DDoS‬اﻟﻘﺎﺋﻤ ﺔ ﻋﲆ إﻧ‬
‫وﺻﻞ ﺣﺠﻢ اﻟﻤﺮور اﻟﻤﺤ‬

‫ﺑﻮاﺳﻄ ﺔ أﺟﻬﺰة‬‫ﺘﻢ ﺟﻤﻌﻬﺎ‬

‫ﺘ ﻲﻳ‬
‫ﺒﻴﺎﻧﺎ ت اﻟ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ‪،‬ﻳﻤﻜﻦ أنﺗﻜﻮن اﻟ‬
‫ﻋﻼوة ﻋﲆ ذﻟﻚ ‪ ،‬ﻓ ﻲ إﻋﺪادا ت إﻧ‬ ‫ﺘﻮﺟﻴﻪ‬
‫ﺑ ﺔ وأﺟﻬﺰة اﻟ‬
‫ﺘﻔﻴﺪ ﻣﻦ ﻛﺎﻣﻴﺮا ت اﻟﻮﻳ ﺐ اﻟﻤﺼﺎ‬
‫ﻛﻤﺎ ﺷﻮ ﻫﺪ ﺧﻼل ﻫﺠﻮم ‪Mirai botnet‬اﻟﺬيﻳ ﺴ‬

‫ﺘﻔﻀﻴﻼ ت‬ ‫ﺘﻠﻒ أﻧﻮاع اﻷﺟﻬﺰة أ ً‬

‫ﻳﻀﺎ ﻓ ﻲ اﻟ‬ ‫ﺑﻌﺎد ‪ ،‬وﻳﻤﻜﻦ أنﺗﺨ‬
‫ﺘﻠﻔ ﺔ ﺟﺪًا ﻣﻦ ﺣﻴ ﺚ اﻟﻤﻴﺰة واﻷ‬
‫ﺘﻠﻔ ﺔ ﻣﺨ‬
‫ﻣﺨ‬ ‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء واﻷﻣﻦ ‪،‬‬
‫ﺑﺎﻟﺤﺎﺟ ﺔ إﱃﺗﻘﻴﻴﻢ ﻣﺨﺎﻃﺮ إﻧ‬‫ﺘﺮﻧ ﺖ إﱃ زﻳﺎدة اﻟﻮﻋ ﻲ‬
‫ﺒﺮ اﻹﻧ‬
‫اﻟﻤﻨﺰﻟﻴ ﺔ‪ .‬أد ت اﻟﻬﺠﻤﺎ ت ﻋ‬

‫ﺒﻴﺎﻧﺎ ت‬
‫ﺑﻨﻴ ﺔ اﻟ‬‫ﺒﺎﻳﻦ ﻓ ﻲ‬
‫ﺑﻬﻢ ‪ ،‬ﻣﻤﺎ ﻗﺪﻳﺆدي إﱃ وﺟﻮدﺗ‬‫ﺒﻴﺎﻧﺎ ت اﻟﺨﺎﺻ ﺔ‬
‫ﺘﻠﻔ ﺔ ﻟﺠﻤﻊ اﻟ‬
‫اﻟﺰﻣﻨﻴ ﺔ واﻟﻤﻜﺎﻧﻴ ﺔ اﻟﻤﺨ‬ ‫ﺜﻞ اﻟﺮﻋﺎﻳ ﺔ اﻟﺼﺤﻴ ﺔ‪ .‬ﻋﲆ اﻟﺮﻏﻢ ﻣﻦ أﻧﻪﻳﻤﻜﻦ اﻟﺪﻓﺎع ﻋﻦ ﻫﺬه اﻟﻬﺠﻤﺎ ت‬
‫ﺜﺎل ‪ ،‬ﻓ ﻲ ﻣﺠﺎﻻ ت ﻣ‬
‫ﺒﻴﻞ اﻟﻤ‬
‫ﻋﲆﺳ‬

‫ﺒ ﺔ ﻣﻘﺎﻃﻊ اﻟﻔﻴﺪﻳﻮ‬
‫ﺘ ﺴﺠﻞ ﻛﺎﻣﻴﺮا اﻟﻤﺮاﻗ‬
‫ﺜﺎل ‪،‬ﺳ‬
‫ﺒﻴﻞ اﻟﻤ‬
‫ﺑﻴﻦ ﺟﻤﻴﻊ اﻟﻤﺸﺎرﻛﻴﻦ ﻓ ﻲ إﻃﺎر ‪FL.‬ﻋﲆﺳ‬‫اﻟﻤﺤﻠﻴ ﺔ‬ ‫ﺘﻘﺮ إﱃ ﻣﻮارد‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎءﺗﻔ‬
‫ﺒﻴ ﺖﺗﺼﺤﻴﺤﺎ ت اﻷﻣﺎن ‪ ،‬إﻻ أن اﻟﻌﺪﻳﺪ ﻣﻦ أﺟﻬﺰة إﻧ‬
‫ﺜ‬‫ﺑ ﺴﻬﻮﻟ ﺔ ﻋﻦ ﻃﺮﻳﻖﺗ‬
‫ﺒﺮ اﻷﺟﻬﺰة ‪ ،‬ﻣﻦ اﻟﺼﻌ ﺐﺗﺤﺪﻳﺪ ﻣﺎ‬
‫ﺑﺬﻟﻚ‪ .‬ﻋﻼوة ﻋﲆ ذﻟﻚ ‪ ،‬ﺿﻤﻦ إﻋﺪاد ﻧﻈﺎم ﻋ‬‫ﺑ ﺔ ﻟﻠﻘﻴﺎم‬
‫اﻟﺤ ﺴﺎ ب اﻟﻤﻄﻠﻮ‬
‫ﺘﻘﻄﻌ ﺔ‪.‬‬
‫ﺒﺎ ب ﻣ‬
‫ﺗﺠ ﺔ ﻋﻦ ﺟﺮس اﻟ‬
‫ﺒﻴﺎﻧﺎ ت اﻟﻨﺎ‬
‫ﻓ ﻲ اﻟﻮﻗ ﺖ اﻟﻔﻌﻠ ﻲ ‪(24 × 7‬ﺳﺎﻋ ﺔ( ‪ ،‬ﻓ ﻲ ﺣﻴﻦ أن اﻟ‬
‫ﺘﺸﻒ‬
‫ﺑﻤﻜﺎن أنﻳﻜ‬‫ﺒﻞ اﻧﻀﻤﺎﻣﻪ إﱃ اﻟﻨﻈﺎم‪ .‬ﻟﺬﻟﻚ ‪ ،‬ﻣﻦ اﻷ ﻫﻤﻴ ﺔ‬
‫إذا ﻛﺎن اﻟﻤﺸﺎرك اﻟﻘﺎدم ﺿﺎ ًرا أم ﻻ ﻗ‬
‫ﺑﻤﻮارد‬‫ﺘﺪﻣﺮﺗﺪرﻳ ﺐ اﻟﻨﻤﻮذج‬
‫ﺘ ﻲﺳ‬
‫ﺜ ﺔ أو اﻟﻤﻌﻄﻠ ﺔ اﻟ‬
‫ﺒﻴ‬‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء اﻟﺨ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء أﺟﻬﺰة إﻧ‬
‫ﻧﻈﺎم إﻧ‬
‫ﺗﻮﻛﻮل أﻣﺎن ﺧﻔﻴﻒ اﻟﻮزن‬
‫ﺑﺮو‬‫ﺗﺠﺎ ﻫﺎ ت اﻟﻮاﻋﺪة ﻓ ﻲﺗﻨﻔﻴﺬ‬
‫ﺜﻞ إﺣﺪى اﻻ‬
‫ﺘﻤ‬‫ﺘﺤﺪي ‪،‬ﺗ‬
‫ﻣﺤﺪودة‪ .‬ﻟﻤﻮاﺟﻬ ﺔ ﻫﺬا اﻟ‬

‫ﺘﺪرﻳ ﺐ‪.‬‬
‫ﺘﻢ اﻟ‬
‫ﺘﻰﻳ‬
‫ﺒﻴﺎﻧﺎ ت ﺣ‬
‫ﺛﻴﺮ ﻋﺪمﺗﺠﺎﻧ ﺲ اﻟ‬
‫ﺘﻤﻜﻦ اﻟﺨﺎدم اﻟﻤﺮﻛﺰي ﻣﻦ ﻓﺤﺺﺗﺄ‬
‫وﻣﻊ ذﻟﻚ ‪ ،‬ﻟﻢﻳ‬ ‫ﺒﻴﻌ ﺔ اﻟﻤﻮزﻋ ﺔ ‪،‬ﻳﻤﻜﻦ ﻟﺸﺮﻛ ﺔ ‪FL‬‬
‫ﺘﺸﺎف اﻷﺟﻬﺰة اﻟﻤﻌﻄﻠ ﺔ واﻟﻀﺎرة‪ .‬ﻣﻊ اﻟﻄ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ﻻﻛ‬
‫ﻓ ﻲ ﻧﻈﺎم إﻧ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ﻣﻦ ﺧﻼل ﺣﻤﺎﻳ ﺔ اﻟﻨﻈﺎم ﻣﻦ اﻟﻬﺠﻤﺎ ت اﻟﻀﺎرة ﻓ ﻲ أﻗﺮ ب‬
‫ﺒﺮاﻧ ﻲ ﻹﻧ‬
‫ﺑﺪﻳﻞ ﻟﻸﻣﻦ اﻟ ﺴﻴ‬‫ﺗﻘﺪﻳﻢ ﻧﻬﺞ‬

‫ﺒﻴﺎﻧﺎ ت وﺣ ﺴﺎ ب اﻟﺤﻤﻞ‬
‫ﺘﻜﻴﻒ اﻟﺠﻴﺪ ﻟﻠ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ﻣﻦ اﻟ‬
‫ﺑﺈﻧ‬‫ّﻦ إﻃﺎر ﻋﻤﻞ ‪FL‬اﻟﺨﺎص‬
‫ﻳﺠ ﺐ أنﻳﻤﻜ‬ ‫ﺘ ﺴﻠﻞ‬
‫ﺘﺸﺎف اﻟ‬
‫ﺘﺨﺪم ﻧﻬﺞ ‪FL‬ﻻﻛ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‪ DIoT [13] .‬ﻫﻮ أول ﻧﻈﺎمﻳ ﺴ‬
‫ﻣﻜﺎن ﻣﻤﻜﻦ ﻣﻦ أﺟﻬﺰة إﻧ‬

‫ﺘﻢﺗﺤ ﺴﻴﻦ ﺟﻮدة‬

‫ﺘﺼﻮر أﻧﻪﺳﻴ‬
‫ﺘﺤﺪي ‪ ،‬ﻧ‬
‫ﺑﻨﺎ ًء ﻋﲆﺗﻮﻓﺮ ﻣﻮارد ﻫﺎ‪ .‬ﻟﻤﻮاﺟﻬ ﺔ ﻫﺬا اﻟ‬‫ﺘﻠﻔ ﺔ‬
‫ﺒﺮ اﻷﺟﻬﺰة اﻟﻤﺨ‬
‫ﻋ‬ ‫ﺒﻴﺎﻧﺎ ت اﻟﻤﻮﺟﻮدة ﻋﲆ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء دون ﻣﺮﻛﺰﻳ ﺔ اﻟ‬
‫ﺑﺎ ت أﺟﻬﺰة إﻧ‬
‫ﺑﻮا‬‫ﺘﺸﺎف اﻟﺸﺬوذ ﻓ ﻲ‬
‫ﺘﻨﺪ إﱃ اﻛ‬
‫اﻟﻤ ﺴ‬

‫ﺘﺪرﻳ ﺐ‪ .‬دﻳﺎو‬
‫ﺑﺪء اﻟ‬ ‫ﺘﻌﺪﻳﻼ ت وﻓ ًﻘﺎ ﻟﺬﻟﻚ ﻗ‬
‫ﺒﻞ‬ ‫ﺘﺠﺎﻧ ﺲ وإﺟﺮاء اﻟ‬
‫ﺘﻪ إذاﺗﻤﻜﻨﺎ ﻣﻦﺗﺤﺪﻳﺪ ﻋﺪم اﻟ‬
‫ﺘﺪرﻳ ﺐ وﺳﺮﻋ‬
‫اﻟ‬ ‫ﺘ ﻲﺗﺤﺪ ث ﻓ ﻲ‬
‫ﺘﺸﺎف ﻧﻄﺎق أوﺳﻊ ﻣﻦ أﻧﻮاع اﻟﻬﺠﻤﺎ ت اﻟ‬
‫ﺘﻌﻠﻢ اﻟﻤﻮﺣﺪ ﻓ ﻲ اﻛ‬
‫اﻟﺠﻬﺎز ‪ ،‬ﺣﻴ ﺚﻳﻮﺿﺢ ﻓﻌﺎﻟﻴ ﺔ اﻟ‬

‫ﺘﺪﻻل ﻋﺎﻟﻤ ﻲ واﺣﺪ ﻣﻦﺗﺪرﻳ ﺐ‬

‫ﺘﺎج ﻧﻤﻮذج اﺳ‬
‫ﺘﺠﺎﻧ ﺲﻳﻤﻜﻨﻪ إﻧ‬
‫ﺘﺮح إﻃﺎر ﻋﻤﻞ ‪FL‬ﻏﻴﺮ ﻣ‬
‫وآﺧﺮون‪[11] .‬اﻗ‬ ‫ﺘﻌﺪدة‪.‬‬
‫أﺟﻬﺰة ﻣ‬

‫ﺘﺮاض اﻷﺳﺎﺳ ﻲ ﻟﻠﻌﻤﻞ‬

‫ﺘﺤﺪى اﻻﻓ‬
‫ﺘ ﻲﺗ‬
‫ﺘﺠﺎﻧ ﺴ ﺔ ﻋﲆ اﻟﻌﻤﻼء‪ .‬إﻧﻬﺎ اﻟﻤﺮة اﻷوﱃ اﻟ‬
‫اﻟﻨﻤﺎذج اﻟﻤﺤﻠﻴ ﺔ ﻏﻴﺮ اﻟﻤ‬
‫ﺜﻞ اﻟﻨﻤﻮذج اﻟﻌﺎﻟﻤ ﻲ ‪ ،‬ﻣﻤﺎﻳﻠﻬﻢ ﺣ ﻼ ً‬
‫ﺒﻨﻴ ﺔ ﻣ‬
‫ﺘﺮك ﻓ ﻲ ﻧﻔ ﺲ اﻟ‬
‫ﺑﺄن اﻟﻨﻤﺎذج اﻟﻤﺤﻠﻴ ﺔﻳﺠ ﺐ أنﺗﺸ‬‫اﻟﺤﺎﻟ ﻲ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‪.‬‬
‫ﺑﻴﻦ أﺟﻬﺰة إﻧ‬‫ﻟﻤﻌﺎﻟﺠ ﺔ ﻋﺪمﺗﺠﺎﻧ ﺲ اﻟﻨﻈﺎم‬

‫ﺘﻤﺮ‬
‫ﺘﻌﻠﻢ اﻟﻤ ﺴ‬
‫ﻫـ‪ .‬اﻟﺪﻳﻨﺎﻣﻴﺎ ت اﻟﺰﻣﻨﻴ ﺔ واﻟ‬ ‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ‪ ،‬إﻻ أنﺗ ﺴﺮ ب‬
‫ﺒﺮاﻧ ﻲ ﻟﻨﻈﺎم إﻧ‬ ‫ُﻈﻬﺮ ﻓﻌﺎﻟﻴ‬
‫ﺘﻬﺎ ﻓ ﻲ اﻷﻣﻦ اﻟ ﺴﻴ‬ ‫ﺗ‬
‫ﻋﲆ اﻟﺮﻏﻢ ﻣﻦ أن ‪FL‬‬
‫ﺘﻲ‬
‫ﺘﻤﺮار ‪ ،‬واﻟ‬
‫ﺑﺎﺳ‬‫ﺑﻴﺎﻧﺎ ت ﺟﺪﻳﺪة‬‫ﺑﺠﻤﻊ‬‫ﺘﻬﺎ ‪،‬‬
‫ﺒﻴﻌ‬
‫ﺑﺤﻜﻢ ﻃ‬‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ‪،‬‬
‫ﺘﺸﻌﺎر إﻧ‬
‫ﺘﻘﻮم أﺟﻬﺰة اﺳ‬
‫ﺳ‬ ‫ﻣﻬﻤﺎ ﺣﻴ ﺚﻳﺸﺎرك اﻟﻤﺸﺎرﻛﻮنﺗﺪرﺟﺎ ت اﻟﻨﻤﻮذج‬
‫ً‬ ‫ﺒﻴﺎﻧﺎ ت اﻟﺤ ﺴﺎﺳ ﺔ ﻋﲆ اﻟﺠﻬﺎز ﻻﻳﺰال‬
‫اﻟﺨﺼﻮﺻﻴ ﺔ ﻣﻦ اﻟ‬
‫ﺑﻬﺪف اﻟﺤﻔﺎظ ﻋﲆﺗﻮﻓﻴﺮ اﻟﺨﺪﻣﺎ ت‬‫ﺘﻤﺮ أو ﻣﺪى اﻟﺤﻴﺎة‪.‬‬
‫ﺘﻌﻠﻢ اﻟﻤ ﺴ‬
‫ﺘﺤﺪﻳ ﺚ اﻟﻨﻤﻮذج ﻟﻠ‬
‫ﺘﺨﺪاﻣﻬﺎ ﻟ‬
‫ﺘﻢ اﺳ‬
‫ﺳﻴ‬ ‫ﺘﺪرﻳ ﺐ اﻟﺨﺎص ﻟﻠﻤﺸﺎرﻛﻴﻦ‬
‫ﺘﻘﺎﻗﻬﺎ ﻣﻦ اﻟ‬
‫ﺘﻢ اﺷ‬
‫ﺘ ﻲﻳ‬
‫ﺘﺪرﻳ ﺐ ‪ ،‬واﻟ‬
‫ﺛﻨﺎء ﻋﻤﻠﻴ ﺔ اﻟ‬
‫أو ﻣﻌﻠﻤﺎ ت اﻟﻮزن ﻣﻊ اﻟﺨﺎدم أ‬
‫ﺘﻤﺮ ﻋﲆﺗﺤﺪﻳ ﺚ اﻟﻨﻤﻮذجﺗﺤﺪﻳًﺎ ﺟﺪﻳﺪًا‬
‫ﺘﺪرﻳ ﺐ اﻟﻤ ﺴ‬ ‫ﺘ ﻲﺗﻢ ﺟﻤﻌﻬﺎ ﺣﺪﻳ ً‬
‫ﺜﺎ ‪،‬ﻳﻔﺮض اﻟ‬ ‫ﺒﻴﺎﻧﺎ ت اﻟ‬
‫ﺘﻴﻌﺎ ب اﻟ‬
‫ﻻﺳ‬ ‫ﺘﺪرﻳ ﺐ ﻋﻠﻴﻬﺎ‪.‬‬
‫ﺘ ﻲﺗﻢ اﻟ‬
‫ﺒﻴﺎﻧﺎ ت اﻟ‬
‫ﺜﻴﻞ إﺣﺼﺎﺋ ﻲ ﻟﻠ‬
‫ﺘﻤ‬‫ﺒﻴﺎﻧﺎ ت ﻛ‬
‫اﻟ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‬
‫ﺘﺤﺪﻳﺪ ‪ ،‬ﻧﻈ ﺮًاﻷن ﻣﻌﻈﻢ أﺟﻬﺰة إﻧ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء اﻟﻤﺤﺪودة اﻟﻤﻮارد‪ .‬ﻋﲆ وﺟﻪ اﻟ‬
‫ﻷﺟﻬﺰة إﻧ‬
‫ﺘﺪﻻل اﻟﻨﻤﻮذﺟ ﻲ‬
‫ﺘﻌﺎﻣﻞ ﻣﻊ ﻛﻞ ﻣﻦ اﻻﺳ‬
‫ﺑﻬﺎ ﻟﻴ ﺴ ﺖ ﻛﺎﻓﻴ ﺔ ﻟﻠ‬‫ﻣﺤﺪودة اﻟﺬاﻛﺮة ‪ ،‬ﻓﺈن ﻣﻮارد اﻟﺬاﻛﺮة اﻟﺨﺎﺻ ﺔ‬
‫ﺘﺪرﻳ ﺐ‪.‬‬
‫واﻟ‬ ‫ﺑﺪء ﻫﺠﻮم اﻻﻧﻌﻜﺎس ﻋﲆ اﻟﻨﻤﻮذج‬‫ﻳﻤﻜﻦ ﻟﻠﻤﻬﺎﺟﻢ‬
‫ﺧﺎدم ‪FL‬أوﻻ ً ﻟ‬
‫ﺘﺤﻘﻴﻖ اﻟﻨﻤﻮذج اﻟﻔﺮدي ﻟﻜﻞ ﻣﻨﻬﺎ‬

‫ﺜﻠﻴﻦ‬
‫ﺘﺪرﻳ ﺐ اﻟﺸﺨﺼﻴ ﺔ ﻋﻦ ﻃﺮﻳﻖ ﻋﻜ ﺲ ﻫﺬه اﻟﻨﻤﺎذج اﻟﺸﺨﺼﻴ ﺔ‪ .‬أﺣﺪ اﻟﻤﻤ‬
‫ﺑﻴﺎﻧﺎ ت اﻟ‬‫ﺘﺮﺟﻊ‬
‫ﺛﻢ اﺳ‬‫ﻣﺸﺎرك ‪،‬‬
‫ﺘ ﻲﺗﻢ ﺟﻤﻌﻬﺎ ﻓ ﻲ اﻟﻤﺎﺿ ﻲ إﱃ‬
‫ﺒﻴﺎﻧﺎ ت اﻟ‬
‫ﺑﺎﻟ‬‫ﺘﻔﺎظ‬
‫ﻋﻼوة ﻋﲆ ذﻟﻚ ‪ ،‬ﻗﺪﻳﺆدي ﻋﺪم وﺟﻮد ذاﻛﺮة ﻛﺎﻓﻴ ﺔ ﻟﻼﺣ‬ ‫ﺒﻴﺎﻧﺎ ت‬
‫ﺑﻨﺎء اﻟ‬‫ﺒ ﺖ أن إﻋﺎدة‬
‫ﺜ‬‫ﺘﺪرﺟﺎ ت اﻟﻌﺎﻛ ﺴ ﺔ ‪[14] ،‬واﻟﺬيﻳ‬
‫اﻟﺬيﻳﻌﻤﻞ ﻋﲆ اﻟﻬﺠﻮم أﻋﻼه ﻫﻮ ﻫﺠﻮم اﻟ‬
‫ﺘﻤﺮ‪.‬‬
‫ﺘﻌﻠﻢ اﻟﻤ ﺴ‬
‫ﺜﺮ اﻟﻤﺸﻜﻼ ت ﺧﻄﻮرة ﻓ ﻲ اﻟ‬
‫ﺛ ﻲ ‪ ،‬و ﻫﻮ أﺣﺪ أﻛ‬
‫ﺗﻔﺎﻗﻢ اﻟﻨ ﺴﻴﺎن اﻟﻜﺎر‬ ‫ﺘﻌﻠﻢ اﻟﻔﻴﺪراﻟﻴ ﺔ‪.‬‬
‫ﺘﺪرج ﻣﻤﻜﻦ ﻓ ﻲ إﻋﺪادا ت اﻟ‬
‫اﻟﺸﺨﺼﻴ ﺔ ﻣﻦ ﻣﻌﻠﻮﻣﺎ ت اﻟ‬

‫ﺘﻬﻼك اﻟﺬاﻛﺮة‬
‫ﺘﻘﻠﻴﻞ اﺳ‬
‫ﺘﻌﻠﻢ اﻵﻟ ﻲ اﻟﺨﻔﻴﻒ اﻟﻮزن ﺿﺮوري ﻟ‬
‫ﺘﺼﻮر أن ﻣﺤﺮك اﻟ‬
‫ﺘﺤﺪي ‪ ،‬ﻧ‬
‫ﻟﻤﻮاﺟﻬ ﺔ ﻫﺬا اﻟ‬
‫ﺘﺪرﻳ ﺐ‬
‫ﺛﺮ ذاﻛﺮة اﻟ‬
‫ﺘﻘﻠﻴﻞ أ‬
‫ﺘﻤﻠ ﺔ ﻟ‬
‫ﺜﺎل ‪،‬ﺗﻌﺪ ]‪FedGKT [12‬ﻃﺮﻳﻘ ﺔ ﻣﺤ‬
‫ﺒﻴﻞ اﻟﻤ‬
‫ﺘﺪرﻳ ﺐ ﻋﲆ اﻟﺠﻬﺎز‪ .‬ﻋﲆﺳ‬
‫ﻟﻠ‬ ‫ﺘﺠﻤﻴﻊ ﻻ‬
‫ﺑ ﺔ ﺻﻨﺪوق أﺳﻮد ﻟﻠ‬
‫ﺜﺎ‬
‫ﺑﻤ‬‫ﺒﺎرا ت اﻟﺤﺎﺳﻤ ﺔ ﻓ ﻲﺗﺼﻤﻴﻢ ‪ FL‬ﺿﻤﺎن أنﻳﻜﻮن اﻟﺨﺎدم‬
‫ﺘ‬‫ﻟﺬﻟﻚ ‪ ،‬ﻣﻦ اﻻﻋ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ﻧﻘﻞ اﻟﻤﻌﺮﻓ ﺔ ﻣﻦ‬
‫ﺘﺨﺪام ‪FedGKT ،‬ﻳﻤﻜﻦﻷﺟﻬﺰة إﻧ‬
‫ﺑﺎﺳ‬‫ﺘﻌﻠﻢ اﻟﻔﻌﺎل ﻋﲆ اﻟﺠﻬﺎز‪.‬‬
‫ﻣﻦ أﺟﻞ اﻟ‬ ‫ﺘﺠﻤﻴﻊ‬
‫ﺗﻮﻛﻮﻻ ت اﻟ‬
‫ﺑﺮو‬‫ﺘﻤﺪ‬
‫ﺛﻨﺎءﺗﺠﻤﻴﻊ اﻟﻨﻤﻮذج‪ .‬ﺣﺎﻟ ًﻴﺎ ‪،‬ﺗﻌ‬
‫ﺘﺨﺪم أ‬
‫ﺘﻌﻠﻢ اﻟﻨﻤﻮذج اﻟﻤﺪر ب ﻣﺤﻠ ًﻴﺎ ﻟﻜﻞ ﻣ ﺴ‬
‫ﻳ‬
‫ﺑ ﻲ ‪ ،‬واﻟﺬيﻳﻌﻴﺪ ﺻﻴﺎﻏ ﺔ ‪FL‬‬
‫ﺒﻴﺮة ﻓ ﻲ ﺧﺎدمﺳﺤﺎ‬
‫ﺒﻜ ﺔ ‪CNN‬ﻛ‬
‫اﻟﻌﺪﻳﺪ ﻣﻦ ﻧﻤﺎذج ‪CNN‬اﻟﻤﺪﻣﺠ ﺔ إﱃ ﺷ‬ ‫ﺑﻴﻦ‬‫ﺒﺬور اﻟﻌﺸﻮاﺋﻴ ﺔ اﻟﻤﺰدوﺟ ﺔ‬
‫ﺗﻔﺎﻗﻴ ﺔ اﻟ‬
‫ﺋﻴ ﺴﻴﻴﻦ‪ :‬ا‬
‫ﺒﺪأﻳﻦ ر‬
‫ﺑﺸﻜﻞ أﺳﺎﺳ ﻲ ﻋﲆ ﻣ‬
‫ﺜ ﺔ ﻓ ﻲ ‪FL‬‬
‫اﻵﻣﻦ اﻟﺤﺪﻳ‬
‫ﺒﻴﺮ اﻟﺤﺠﻢ ﻋﲆ اﻷﺟﻬﺰة اﻟﻄﺮﻓﻴ ﺔ ﻣﺤﺪودة‬
‫ﺘﺪرﻳ ﺐ اﻟﻨﻤﻮذج ﻛ‬
‫ﻛﻨﻤﻮذجﺗﺪرﻳ ﺐ ﻋﲆ ﻧﻘﻞ اﻟﻤﻌﺮﻓ ﺔ اﻟﺠﻤﺎﻋ ﻲ ﻟ‬ ‫ﺑﺈﻟﻐﺎﺋﻬﺎ‬‫ﺑﻨﻴ ﺔ ﻣﻀﺎﻓ ﺔﺗ ﺴﻤﺢ‬‫ﺘﺨﺪﻣﻴﻦ ﻣﻊ وﺟﻮد‬
‫ﺘﺨﺪﻣﻴﻦ ﻣﻦ أﺟﻞ إﻧﺸﺎء أﻗﻨﻌ ﺔﺗﺨﻔ ﻲ ﻧﻤﺎذج اﻟﻤ ﺴ‬
‫اﻟﻤ ﺴ‬
‫ﺑﻌﺾ ﻋﻴﻨﺎ ت‬‫ﺗﺨﺰن‬
‫ﺘ ﻲﺗﺤﺪد و‬
‫ﺘﺠﻤﻴﻊ اﻟ‬
‫ﺘﺨﺪام ﻣﻨﺎ ﻫﺞ اﻟ‬
‫ﺘﺼﻮر اﺳ‬
‫ﺛ ﻲ‪،‬ﻧ‬
‫ﺘﺠﻨ ﺐ اﻟﻨ ﺴﻴﺎن اﻟﻜﺎر‬
‫اﻟﻤﻮارد‪ .‬ﻟ‬ ‫ﺑﻨﺎء وإﻟﻐﺎء اﻷﻗﻨﻌ ﺔ‬‫ﺘﻤﻜﻴﻦ إﻋﺎدة‬
‫ﺒﺬور اﻟﻌﺸﻮاﺋﻴ ﺔ وذﻟﻚ ﻟ‬
‫ﻋﻨﺪﻣﺎ أﺿﻴﻒ ﻓ ﻲ اﻟﺨﺎدم ؛ واﻟﻤﺸﺎرﻛ ﺔ اﻟ ﺴﺮﻳ ﺔ ﻟﻠ‬
‫ﺘﻲ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء اﻟ‬
‫ﺘﻔﺎدة ﻣﻦ "ﻣﺤﺎور" إﻧ‬
‫ﺘﺮة زﻣﻨﻴ ﺔ‪ .‬ﻋﻼوة ﻋﲆ ذﻟﻚ ‪ ،‬ﻓﺈن اﻻﺳ‬
‫ﺒﻴﺎﻧﺎ ت اﻷﺳﺎﺳﻴ ﺔ ﻣﻦ ﻛﻞ ﻓ‬
‫اﻟ‬ ‫ﺋﻴ ﺴ ﻲ ﻟﻬﺬه اﻷﺳﺎﻟﻴ ﺐ ﻫﻮ أن ﻋﺪد ﻋﻤﻠﻴﺎ ت إﻋﺎدة‬
‫ﺘﺨﺪﻣﻴﻦ اﻟﺬﻳﻦﺗﻢ إﺳﻘﺎﻃﻬﻢ‪ .‬اﻟﻌﻴ ﺐ اﻟﺮ‬
‫ﺑﺎﻟﻤ ﺴ‬‫اﻟﺨﺎﺻ ﺔ‬
‫ﺘﺪرﻳ ﺐ ﻫﻮ ﺣﻞ واﻋﺪ‬
‫ﺒﻴﺎﻧﺎ ت ﻏﻴﺮ اﻟﺤ ﺴﺎﺳ ﺔ ‪ /‬اﻟﻌﺎﻣ ﺔ ﻟﺤﻘﻦ اﻟﺬاﻛﺮة ﻓ ﻲ ﻧﻈﺎم اﻟ‬
‫ﻳﻤﻜﻨﻬﺎﺗﺨﺰﻳﻦ ﻣﺠﻤﻮﻋﺎ ت اﻟ‬ ‫ﺒ ﺐ ﻓ ﻲ ﺣﺪو ث‬
‫ﺘﺴ‬‫ﺘﺨﺪﻣﻴﻦ ‪ ،‬ﻣﻤﺎﻳ‬
‫ﺒﻴﺮ ﻣﻊ إﺳﻘﺎط اﻟﻤﺰﻳﺪ ﻣﻦ اﻟﻤ ﺴ‬
‫ﺑﺸﻜﻞ ﻛ‬‫ﺑﻨﺎء اﻟﻘﻨﺎع ﻋﲆ اﻟﺨﺎدمﻳﻨﻤﻮ‬
‫آﺧﺮ‪.‬‬ ‫ﺒﺢ اﻟﻤﺸﻐﻞ اﻹﺿﺎﻓ ﻲ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ﻣﻨﺨﻔﻀ ﺔ اﻟﻨﻬﺎﻳ ﺔ ‪،‬ﻳﺼ‬
‫ﺒ ﺔﻷﺟﻬﺰة إﻧ‬
‫ﺑﺎﻟﻨ ﺴ‬‫ﺒﻴﺮ‪ .‬ﺧﺎﺻ ﺔ‬
‫ﺑ ﻲﻛ‬
‫ﺘﻨﺎق ﺣ ﺴﺎ‬
‫اﺧ‬

‫ﻣﻔﺮﻃﺎ ﻋﲆ ‪-‬‬
‫ً‬ ‫ﺒ ًﺌﺎ‬
‫ﺘﺠﻤﻴﻊ اﻵﻣﻦ ﻋ‬
‫ﻟﻠ‬

‫ﺘﻮزﻳﻊ‬
‫ﺘﺸﺎفﺗﺤﻮﻻ ت اﻟ‬
‫ﺘ ﻲﻳﻤﻜﻨﻬﺎ اﻛ‬ ‫ﺘﻜﻮن ﻫﻨﺎك ﺣﺎﺟ ﺔ أ ً‬
‫ﻳﻀﺎ إﱃ اﻷﺳﺎﻟﻴ ﺐ اﻟ‬ ‫ﻋﻼوة ﻋﲆ ذﻟﻚ ‪،‬ﺳ‬
‫ﺘﺤﺪﻳﺪ وﻗ ﺖﺗﺤﺪﻳ ﺚ اﻟﻨﻤﻮذج‪.‬‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ﻟ‬
‫اﻟﺰﻣﻨ ﻲ ﻓ ﻲ ﻛﻞ ﻋﻘﺪة إﻧ‬
‫‪Machine Translated by Google‬‬
‫‪6‬‬

‫ﺗﻮﻛﻮﻻ ت‬
‫ﺑﺮو‬‫ﺗﺠﺎ ﻫﺎ ت اﻟﻮاﻋﺪة ﻓ ﻲﺗﻨﻔﻴﺬ‬
‫ﺜﻞ أﺣﺪ اﻻ‬
‫ﺘﻤ‬‫ﺘﺤﺪي ‪،‬ﻳ‬
‫ﺑﻴ ﺔ ﻟﻠﺠﻬﺎز‪ .‬ﻟﻤﻮاﺟﻬ ﺔ ﻫﺬا اﻟ‬
‫اﻟﻤﻮارد اﻟﺤ ﺴﺎ‬ ‫ﺗﻘﺪﻳﺮ‬
‫اﻟ ﺴﺎدس‪ .‬ﺷﻜﺮ و‬

‫ﺘﻮى ﻣﻦ ﺿﻤﺎﻧﺎ ت اﻟﺨﺼﻮﺻﻴ ﺔ واﻟﻤﺮوﻧ ﺔ‬

‫ﺗﺠﻤﻴﻊ ﺧﻔﻴﻔ ﺔ اﻟﻮزن وآﻣﻨ ﺔﻳﻤﻜﻦ أنﺗﻮﻓﺮ ﻧﻔ ﺲ اﻟﻤ ﺴ‬
‫ﺘﻘﺪﻣ ﺔ )‪(DARPA‬‬
‫ﺑﺤﺎ ث اﻟﺪﻓﺎﻋﻴ ﺔ اﻟﻤ‬
‫ﺘﻨﺪ ﻫﺬه اﻟﻤﻮاد إﱃ اﻟﻌﻤﻞ اﻟﺬيﺗﺪﻋﻤﻪ وﻛﺎﻟ ﺔ ﻣﺸﺎرﻳﻊ اﻷ‬
‫ﺗﺴ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‪.‬‬
‫ﺒ ﻲ اﻟﻘﻴﻮد ﻓ ﻲ إﻋﺪاد إﻧ‬
‫ﺒﻴﺮ ‪ ،‬ﻣﻤﺎﻳﻠ‬
‫ﺑﺸﻜﻞ ﻛ‬‫ﺘﺠﻤﻴﻊ‬
‫ﺑ ﺔ ﻣﻊﺗﻘﻠﻴﻞﺗﻌﻘﻴﺪ اﻟ‬
‫ﺘ ﺴﺮ‬
‫اﻟﻤ‬
‫ﺑﻤﻮﺟ ﺐ اﻟﻌﻘﺪ رﻗﻢ ‪HR001120C0160 ،‬ﻣﻨﺢ ‪ARO W911NF1810400 ، NSF‬ﻣﻨﺢ‬
‫‪CCF-1703575 ، CCF-1763673 ، CNS-2002874 ،‬رﻗﻢ ﺟﺎﺋﺰة ‪ONR N00014-16-1- 2189 ،‬‬
‫ﺒﺮ ﻣﻌﻬﺪ ‪PrivateAI ،‬و ﻫﺪﻳ ﺔ ﻣﻦ ‪Konica Minolta ،‬و ﻫﺪﻳ ﺔ‬
‫ﻫﺪﻳ ﺔ ﻣﻦ ‪Intel / Avast / Borsetta‬ﻋ‬
‫ﺒﻐ ﻲﺗﻔ ﺴﻴﺮ ﻫﺎ‬
‫ﺑﻘ ﺔ ﻫ ﻲ آراء اﻟﻤﺆﻟﻒ )اﻟﻤﺆﻟﻔﻴﻦ( وﻻﻳﻨ‬
‫ﺘﺎﺋﺞ اﻟ ﺴﺎ‬
‫ﻣﻦ ‪Cisco.‬اﻵراء و ‪ /‬أو اﻵراء و ‪ /‬أو اﻟﻨ‬
‫ﺘﺤﺪة‪ .‬ﻧﻮد أن ﻧﺸﻜﺮ‬
‫ﺜﻞ اﻵراء أو اﻟ ﺴﻴﺎﺳﺎ ت اﻟﺮﺳﻤﻴ ﺔ ﻟﻮزارة اﻟﺪﻓﺎع أو ﺣﻜﻮﻣ ﺔ اﻟﻮﻻﻳﺎ ت اﻟﻤ‬
‫ﻋﲆ أﻧﻬﺎﺗﻤ‬
‫ﺗﻄﻮﻳﺮ اﻟﻨﻈﺎم‬
‫ﺘﻮﺣﻴﺪ اﻟﻘﻴﺎﺳ ﻲ و‬
‫ز‪ .‬أدوا ت اﻟ‬

‫ﺘﻌﻠﻢ‬
‫ﺒﺎر ﻋﻨﺪﺗﺼﻤﻴﻢ ﻧﻈﺎم اﻟ‬
‫ﺘ‬‫ﺜﻴﻦ أﺧﺬ ﻫﺎ ﻓ ﻲ اﻻﻋ‬
‫ﺒﺎﺣ‬
‫ﺘ ﻲﻳﺠ ﺐ ﻋﲆ اﻟ‬
‫ﻫﻨﺎك اﻟﻌﺪﻳﺪ ﻣﻦ اﻟﻤﺨﺎوف اﻟ‬
‫ﺗﺼﺎل‬
‫ﺒﻴﻘﺎ ت اﻻ‬
‫ﺑﺮﻣﺠ ﺔﺗﻄ‬‫ﺜﻞ واﺟﻬﺎ ت‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‪.‬ﻳﺠ ﺐ ﻣﺮاﻋﺎة ﻣﺸﻜﻼ ت ﻣ‬
‫ﺒﻜﺎ ت إﻧ‬
‫اﻟﻤﻮﺣﺪ ﻋﲆ ﺷ‬
‫ﺘﻢﺗﻮﺣﻴﺪ‬
‫ﺒﻜ ﺔ وﺧﺼﺎﺋﺺ اﻟﺠﻬﺎز‪ .‬ﻛﻤﺠﺎل ﻧﺎﺷ ﺊ ‪ ،‬ﻟﻢﻳ‬
‫ﺗﻜﻮﻳﻨﺎ ت اﻟﺸ‬
‫ﺒﻴﺎﻧﺎ ت و‬
‫ﺘﻠﻔ ﺔ وﻧﻤﺎذجﺗﺪﻓﻖ اﻟ‬
‫اﻟﻤﺨ‬

‫ﺑﺸﻜﻞ ﻣﻨﺎﺳ ﺐ‪.‬‬‫ﺗﻨﻔﻴﺬ ﻫﺎ‬

‫‪FL for IoT‬و‬ ‫ﺒ ﺔ ﻋﲆ‬
‫ﺜﺎﻗ‬
‫ﺗﻬﻢ اﻟ‬
‫ﺘﻌﻠﻴﻘﺎ‬
‫ﺛﺎ ﻛﺎﻧﻂ ﻣﻦ ‪Peraton Labs‬ﻟ‬
‫ﺘﻴﻮار ت واﺟﻨﺮ ‪ ،‬وﻻ‬
‫ﺑﻴﺮج ‪ ،‬وﺳ‬‫إرﻳﻚ ﻓﺎن دن‬
‫ﺑﻘ ﺔ ﻟﻬﺬا اﻟﻌﻤﻞ‪.‬‬
‫ﻣ ﺴﻮدةﺳﺎ‬

‫ﺘﺸﺎر اﻟﻮاﺳﻊ‬
‫ﺘﻮﺣﻴﺪ اﻟﻘﻴﺎﺳ ﻲ ﻓ ﻲﺗ ﺴﺮﻳﻊ اﻻﻧ‬
‫ﺘﻄﻮﻳﺮ ﻣﻦ أﺟﻞ اﻟ‬
‫ﺒﺤ ﺚ واﻟ‬
‫ﻟﺬﻟﻚ ‪،‬ﻳﻤﻜﻦ أنﻳ ﺴﺎﻋﺪ اﻟ‬
‫ﺑﺎﻹﺿﺎﻓ ﺔ إﱃ ذﻟﻚ ‪،‬‬‫ﺘﻮى‪.‬‬
‫ﺘﻮﺣ ﺔ ﻟﻤﺸﺎرﻛ ﺔ اﻟﻤﺤ‬
‫ﺑﻴﺌ ﺔ ﻣﻔ‬‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء وﺧﻠﻖ‬
‫ﺒﻜﺎ ت إﻧ‬
‫ﻷﻧﻈﻤ ﺔ ‪FL‬ﻋﲆ ﺷ‬ ‫اﻟﻤﺮاﺟﻊ‬

‫ﺒﻨﺎء ﻋﲆ‬
‫ﺜﻮن واﻟﺼﻨﺎﻋﺎ ت إﱃ اﻟ‬
‫ﺒﺎﺣ‬
‫ﺘﺎج اﻟ‬
‫ﺘﻌﻠﻢ اﻟﻔﻴﺪراﻟ ﻲ ‪،‬ﻳﺤ‬
‫ﺘﻌﻘﻴﺪ اﻟﺬيﻳﻨﻄﻮي ﻋﻠﻴﻪ اﻟ‬
‫ﻓ ﻲ ﺿﻮء اﻟ‬
‫‪[1] B. McMahan ، E. Moore ، D. Ramage ، S. Hampson ، and BA y.‬‬
‫ﺘﻴﻌﺎ ب‬
‫ﺜﻞ ‪TensorFlow Federated‬و ‪PySyft‬و ‪FedML‬ﻻﺳ‬
‫أدوا تﺗﻄﻮﻳﺮ وﻗﻴﺎس اﻷداء اﻟﺤﺎﻟﻴ ﺔ ﻣ‬
‫ﺗﻤﺮ اﻟﺪوﻟ ﻲ اﻟﻌﺸﺮﻳﻦ‬
‫ﺒﻴﺎﻧﺎ ت اﻟﻼﻣﺮﻛﺰﻳ ﺔ ‪ "،‬ﻓ ﻲ وﻗﺎﺋﻊ اﻟﻤﺆ‬
‫ﺒﻜﺎ ت اﻟﻌﻤﻴﻘ ﺔ ﻣﻦ اﻟ‬
‫ﺑﺎﻟﺸ‬‫ﺗﺼﺎل‬
‫ﺘﻌﻠﻢ اﻟﻔﻌﺎل ﻟﻼ‬
‫‪"Arcas ،‬اﻟ‬
‫ﺑﻴﺌﺎ ت ﻣﺤﺎﻛﺎة‬‫ﺒﻴﻖ ‪ ،‬ﻫﻨﺎك ﺣﺎﺟ ﺔ إﱃ‬
‫ﺘﻄ‬‫ﺘﻮى اﻟ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‪ .‬ﻣﻦ ﻣﻨﻈﻮر ﻣ ﺴ‬
‫ﺒﻴﻘﺎ ت إﻧ‬
‫ﺳﻴﻨﺎرﻳﻮ ﻫﺎ تﺗﻄ‬ ‫ﺘﻌﻠﻢ اﻵﻟ ﻲ ‪ ،‬أ‪.‬ﺳﻴﻨﻎ وج‪ .‬زو ‪ ،‬ﻣﺤﺮران ‪ ،‬اﻟﻤﺠﻠﺪ‪54. .‬‬
‫ﺑﺤﺎ ث اﻟ‬
‫ﻟﻠﺬﻛﺎء اﻻﺻﻄﻨﺎﻋ ﻲ واﻹﺣﺼﺎء ‪ser. ،‬وﻗﺎﺋﻊ أ‬

‫ﺒﻜﺎ ت‬
‫ﺑﺄﻛﻤﻠﻪ ﻋﲆ ﻧﻄﺎق واﺳﻊ ﻣﻦ ﺷ‬
‫ﺗﻘﻴﻴﻢ ﻧﻈﺎم ‪FL‬‬
‫ﺘﺨﺪام ﻟﻠﻤ ﺴﺎﻋﺪة ﻓ ﻲﺗﺼﻤﻴﻢ و‬
‫ﺘﻜﺎﻣﻠ ﺔﺳﻬﻠ ﺔ اﻻﺳ‬
‫ﻣ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء وﺟﺪواه دونﺗﻨﻔﻴﺬ اﻟﻨﻤﻮذج ﻓ ﻲ إﻋﺪادا ت اﻟﻌﺎﻟﻢ اﻟﺤﻘﻴﻘ ﻲ‪ .‬ﻣﻦ ﻣﻨﻈﻮرﺗﺼﻤﻴﻢ اﻟﻨﻈﺎم ‪،‬‬
‫إﻧ‬
‫ﺘﺎح‪B. Avent، A. Bellet، M. Bennis، AN :‬‬
‫ﺘﺼﻞ[‪ .‬ﻣ‬
‫ﺑﺮﻳﻞ ‪ 2017 ،‬ص ‪]1273-1282.‬ﻣ‬
‫‪PMLR ، 20-22‬أ‬
‫ﺘ ﻲﻳﻤﻜﻦ أنﺗ ﺴﺎﻋﺪ اﻟﻤﻄﻮرﻳﻦ ﻋﲆ إﻧﺠﺎز ﻣﻬﺎم ﻋﲆ‬
‫ﺒﺤ ﺚ ﻋﻦ اﻷدوا ت اﻟ‬
‫ﺜﺎﻟﻴ ﺔ ‪ ،‬ﻧ‬
‫ﻣﻦ اﻟﻨﺎﺣﻴ ﺔ اﻟﻤ‬ ‫‪https://proceedings.mlr.press/v54/mcmahan17a.html [2] P. Kairouz، HB McMahan،‬‬

‫ﺒﻴﺎﻧﺎ ت‬
‫ﺜﻞ ﻣﻮازﻧ ﺔ اﻟﺤﻤﻞ أو إدارة اﻟﻤﻮارد أو ﺟﺪوﻟ ﺔ اﻟﻤﻬﺎم أو ﻋﻤﻠﻴﺎ تﺗﺮﺣﻴﻞ اﻟ‬
‫ﺘﻮى اﻟﻨﻈﺎم ﻣ‬
‫ﻣﺴ‬
‫‪Evans، J Gardner، Z Garrett، A Gascon، B Ghazi، PB Gibbons، M. Gruteser، Z. Harchaoui، C.‬‬
‫ﺑ ﺴﻬﻮﻟ ﺔ‪.‬‬
‫‪Bhagoji، K Bonawitz، ZB Charles، G Cormode، R Cummings، RGL D'Oliveira، SYE Rouayheb، D‬‬
‫´‬
‫ﺗﺸﻴﻨ ﺴﻮن ‪ ،‬ﺟﻴﻪ ﻫ ﺴﻮ ‪ ،‬إم ﺟﺎﺟ ﻲ ‪،‬ﺗ ﻲ ﺟﺎﻓﻴﺪي ‪ ،‬ج‪ .‬ﺟﻮﺷ ﻲ ‪ ،‬إم ﺧﻮداك ‪ ،‬ﺟﻴﻪ‬
‫ﻫﻮ ‪ ،‬ل‪ .‬ﻫ ﻲ ‪ ،‬ز‪ .‬ﻫﻮو ‪ ،‬ب‪ .‬ﻫﺎ‬
‫ﻛﻮﻧﻴﻜﻨ ﻲ ‪ ،‬أ‪.‬ﻛﻮروﻟﻮﻓﺎ ‪ ،‬إف ﻛﻮﺷﺎﻧﻔﺎر ‪ ،‬أو‪M. Raykova، H. Qi، D. Ramage، R.K. Aclosclas، the emb.، .‬‬
‫´‬
‫ﺘﻘﺪم‬
‫‪Koyejo، T. Lepoint، Y. Liu، P. Mittal، M. Mohri، R. Nock،‬و ‪"S. Zhao ،‬اﻟ‬ ‫‪¨ A. Ozgur،‬‬ ‫‪R. Pagh،‬‬
‫¨‬
‫ﺗﺠﺎ ﻫﺎ ت ﻣﺎرس‪.‬ﺗﻌﻠﻢ ‪ ،‬اﻟﻤﺠﻠﺪ‪ 14 ، .‬ص‪ .‬اﻟﻘ ﺲ‬
‫ﺜﻮر ﻋﻠﻴﻪ‪ .‬ا‬
‫ﺘﻌﻠﻢ اﻟﻔﻴﺪراﻟ ﻲ ‪"،‬ﺗﻢ اﻟﻌ‬
‫ﺘﻮﺣ ﺔ ﻓ ﻲ اﻟ‬‫واﻟﻤﺸﻜﻼ‪ 1‬ت اﻟﻤﻔ‬
‫‪- 210 ،‬‬

‫"‬

‫ﺗﺠﺎه ﻫﻮ ]‪FedIoT [15‬اﻟﺬيﻳﻮﻓﺮ إﻃﺎ ًرا ﻧﺎﺿﺠًﺎ‬

‫ﺑﺎﻟﻤﻼﺣﻈ ﺔ ﻋﲆ ﻃﻮل ﻫﺬا اﻻ‬‫أﺣﺪ اﻷﻋﻤﺎل اﻟﺠﺪﻳﺮة‬
‫ﺑﻪ ﻋﲆ وﺣﺪة‬‫ﺘﻌﻠﻢ اﻟﻤﻮﺣﺪة اﻟﺨﺎﺻ ﺔ‬
‫ﺒﻴﻘﺎ ت اﻟ‬
‫ﺘﺨﺪاﻣﻪ ﻟﻨﺸﺮﺗﻄ‬
‫ﺘﻮى اﻷﻧﻈﻤ ﺔﻳﻤﻜﻦ ﻟﻠﻤﻄﻮر اﺳ‬
‫ﻋﲆ ﻣ ﺴ‬ ‫ﺘﻌﻠﻢ‬
‫‪"[3] WYB Lim، NC Luong، DT Hoang، Y. Jiao، Y.-C. Liang، Q. Yang، DT Niyato، and C. Miao،‬اﻟ‬
‫ﺘﻨﻘﻠ ﺔ‪ :‬ﻣ ﺴﺢ ﺷﺎﻣﻞ" ‪ IEEE Communications Surveys & Tutorials، vol. 22 ، ،‬ص‬
‫ﺒﻜﺎ ت اﻟﺤﺎﻓ ﺔ اﻟﻤ‬
‫اﻟﻤﻮﺣﺪ ﻓ ﻲ ﺷ‬
‫ﺜﻞ ‪Raspberry Pi‬‬
‫ﺘ ﻲﺗﺪﻋﻢ وﺣﺪة ﻣﻌﺎﻟﺠ ﺔ اﻟﺮﺳﻮﻣﺎ ت ‪ ،‬ﻣ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء اﻟ‬
‫اﻟﻤﻌﺎﻟﺠ ﺔ اﻟﻤﺮﻛﺰﻳ ﺔ أو أﺟﻬﺰة إﻧ‬
‫‪2031-2063 ، 2020.‬‬
‫ﺘﺮﻧ ﺖ‬
‫ﺘﺸﺎ ًرا ﻓ ﻲ ﻛﻞ ﻣﻜﺎن ﻋﲆ أﺟﻬﺰة إﻧ‬
‫ﺜﺮ اﻧ‬
‫ﺘﻌﻠﻢ اﻟﻔﻴﺪراﻟ ﻲ أﻛ‬
‫و ‪NVIDIA Jetson Nano.‬ﻟﺠﻌﻞ اﻟ‬
‫ﺘﺪرﻳ ﺐ اﻟﺤﺎﻟﻴ ﺔ إﱃ وﺿﻊ ‪FL‬ﻣﻊ‬
‫ﺒﺎه إﱃﺗﻮﺳﻴﻊ أﻃﺮ اﻟ‬
‫ﺘ‬‫ﺜﻴﻦ اﻻﻧ‬
‫ﺒﺎﺣ‬
‫ﺘﻘﺪ أﻧﻪﻳﺠ ﺐ ﻋﲆ اﻟ‬
‫اﻷﺷﻴﺎء ‪ ،‬ﻧﻌ‬ ‫ﺗﺠﺎ ﻫﺎ ت‬
‫ﺘﺤﺪﻳﺎ ت واﻷﺳﺎﻟﻴ ﺐ واﻻ‬
‫ﺘﻌﻠﻢ اﻟﻤﻮﺣﺪ‪ :‬اﻟ‬
‫‪[4] T. Li ، AK Sahu ، AS Talwalkar ،‬و ‪"V. Smith ،‬اﻟ‬
‫ﺒﻠﻴ ﺔ ‪ "،‬ﻣﺠﻠ ﺔ ‪IEEE Signal Processing ،‬اﻟﻤﺠﻠﺪ‪ 37 ، .‬ص ‪50-60 ، 2020.‬‬
‫ﺘﻘ‬‫اﻟﻤ ﺴ‬
‫ﺜﻞ ‪Lite‬‬
‫ﺘﻄﻮرة اﻟﺤﺎﻟﻴ ﺔ ﻣ‬
‫ﺒ ﺔ اﻟﻤ‬
‫ﺑﺎﻟﺬﻛﺮ أن ﺣﻠﻮل اﻟﺤﻮﺳ‬‫ﺘﺤﺪﻳﺎ ت اﻟﻤﺬﻛﻮرة أﻋﻼه‪ .‬ﻣﻦ اﻟﺠﺪﻳﺮ‬
‫ﺑﺎﻟ‬‫اﻟﻮﻋ ﻲ‬
‫ﺑﺪﻻ ً ﻣﻦ اﻟ‬
‫ﺘﺪرﻳ ﺐ ‪،‬‬ ‫ﺘﺪﻻل اﻟﺤﺎﻓ ﺔ‬
‫ﺗﺮﻛﺰ ﻋﲆﺗﺤ ﺴﻴﻦ أداء وﻛﻔﺎءة اﺳ‬
‫‪TensorFlow‬و ‪MNN‬و ‪TVM‬‬ ‫‪Resource-limited iot devices،” IEEE Internet of Things Journal، vol. 9 ،‬‬
‫ﺘﻜﺸﺎﻓﻪ ﺟﻴﺪًا ﻣﻦ ﺷﺄﻧﻪ أن ﺟﻠ ﺐ ﻗﻴﻢ‬
‫ﺘﻢ اﺳ‬
‫ﺒﺎر ‪ ،‬و ﻫﻮ ﻣﺠﺎل ﻟﻢﻳ‬
‫ﺘ‬‫ﻧﺎ ﻫﻴﻚ ﻋﻦ أﺧﺬ إﻋﺪاد ‪FL‬ﻓ ﻲ اﻻﻋ‬ ‫‪S. Wang، J. Li، and MH Amini، “A Survey on Federal Learning for the‬‬
‫‪ [5] A. Imteaj، U. Thakker،‬ص ‪1-24 ، 2022.‬‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‪.‬‬
‫ﺘﻤﻌﺎ ت إﻧ‬
‫ﺘﻌﻠﻢ اﻟﻔﻴﺪراﻟ ﻲ وﻣﺠ‬
‫ﺒﻴﺮة ﻟﻠ‬
‫ﻛ‬
‫‪"FedMask: Joint Composition and Communication-Efficient Personalized Federated Learning‬‬
‫ﺗﻤﺮ‬
‫ﺒﺮ ‪Heterogeneous Masking" ،‬ﻓ ﻲ ﻣﺆ‬
‫‪[6] A. Li ، J. Sun ، X. Zeng ، M. Zhang ، H. Li ، and Y. Chen ،‬ﻋ‬
‫ﺒﻜﻴ ﺔ ‪(SenSys) ، 2021.‬‬
‫ﺘﺸﻌﺎر اﻟﺸ‬
‫ﺘﻀﻤﻴﻦ دﻳﺪ أﻧﻈﻤ ﺔ اﻻﺳ‬
‫‪ACM‬ﺣﻮل اﻟ‬

‫ﺘﺪرﻳ ﺐ ﻋﲆ اﻟﺠﻬﺎز ‪dnn‬ﻋﻦ ﻃﺮﻳﻖ أﺧﺬ اﻟﻌﻴﻨﺎ ت اﻟﻌﺸﻮاﺋﻴ ﺔ‬

‫‪[7] X. Zeng ، M. Yan ،‬و ‪M. Zhang ، "Mercury:‬ﻛﻔﺎءة اﻟ‬
‫ﺒﻜﻴ ﺔ اﻟﻤﺪﻣﺠ ﺔ ‪(SenSys'21) ، 2021 .‬‬
‫ﺘﺸﻌﺎر اﻟﺸ‬
‫ﺘﺎﺳﻊ ﻋﺸﺮ ﺣﻮل أﻧﻈﻤ ﺔ اﻻﺳ‬
‫ﺗﻤﺮ ‪ACM‬اﻟ‬
‫ذا ت اﻷ ﻫﻤﻴ ﺔ" ‪ ،‬ﻓ ﻲ ﻣﺆ‬

‫ﺘﻌﻠﻢ‬
‫ﺗﺼﺎﻻ ت ﻟﻠ‬
‫ﺘﻌﻠﻢ واﻻ‬
‫ﺘﺮك ﻟﻠ‬
‫‪"[8] M. Chen، Z. Yang، W. Saad، C. Yin، HV Poor، and S. Cui ،‬إﻃﺎر ﻋﻤﻞ ﻣﺸ‬
‫ﺒﻜﺎ ت اﻟﻼﺳﻠﻜﻴ ﺔ ‪IEEE Transactions on Wireless Communications ، "،‬اﻟﻤﺠﻠﺪ‪20 ، .‬ﻻ‪1 ، .‬‬
‫ﺒﺮ اﻟﺸ‬
‫اﻟﻔﻴﺪراﻟ ﻲ ﻋ‬

‫ﺧﺎﻣ ﺴﺎ ً ‪-‬ﻣﻼﺣﻈﺎ ت ﺧ‬
‫ﺘﺎﻣﻴ ﺔ‬ ‫ص ‪269-283 ، 2021.‬‬

‫ﺗﻤﺎﻣﺎ‬
‫ً‬ ‫ﺒﺎ‬
‫ﺘﻌﻠﻢ اﻟﻤﻮﺣﺪﺗﺠﻌﻠﻪ ﻣﻨﺎﺳ ً‬
‫ﺘﻌﺎوﻧﻴ ﺔ واﻟﻤﺤﺎﻓﻈ ﺔ ﻋﲆ اﻟﺨﺼﻮﺻﻴ ﺔ ﻟﻠ‬
‫ﺒﻴﻌ ﺔ اﻟﻤﻮزﻋ ﺔ واﻟ‬
‫إن اﻟﻄ‬ ‫ﺘﻌﻠﻢ‬‫‪[9] L. Liu، J. Zhang، S. Song، and KB Lataief، "Client-edge-cloud-cloud-jerarchical‬اﻟ‬
‫اﻟﻤﻮﺣﺪ" ‪ ،‬ﻓ ﻲ ‪IEEE International Conference on Communications (ICC) ، 2020 ، pp.1– 6.‬‬
‫ﺒﻴﻘﺎ ت‪ .‬ﻓ ﻲ ﻫﺬه اﻟﻤﻘﺎﻟ ﺔ ‪،‬ﺳﻠﻄﻨﺎ اﻟﻀﻮء ﻋﲆ‬
‫ﺘﻄ‬‫ﺒﺮ ﻣﺠﻤﻮﻋ ﺔ واﺳﻌ ﺔ ﻣﻦ اﻟ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ﻋ‬
‫ﻟﻤﺠﺎل إﻧ‬
‫‪ICC 2020 - 2020‬‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‪ .‬ﻟﻘﺪ ﺣﺪدﻧﺎ أ ً‬
‫ﻳﻀﺎ‬ ‫ﺘﻌﻠﻢ اﻟﻤﻮﺣﺪ ﻹﻧ‬
‫ﺒﻴﻘﺎ ت اﻟﻤﻬﻤ ﺔ ﻟﻠ‬
‫ﺘﻄ‬‫ﺑﻌﺾ اﻟ‬‫ﺋﻴ ﺴﻴ ﺔ وﺷﺮﺣﻨﺎ‬
‫اﻟﻤﺰاﻳﺎ اﻟﺮ‬ ‫ﺒﻮر ‪ ،‬إم‪ICML ، 2021. .‬‬
‫ﺗ ﺶ زان ‪ ،‬أ‪.‬ﻳﻮﺳﻔ‬
‫]‪[10‬ج‪.‬ﻧﺠﻮﻳﻦ ‪ ،‬ك‪.‬ﻣﺎﻟﻚ ‪ ،‬إ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎءﺗﻠﻴﻬﺎ ﻣﻨﺎﻗﺸ ﺔ‬
‫ﺘ ﻲﺗﺤﻮل دونﺗﻤﻜﻴﻦ ‪FL‬ﻹﻧ‬
‫ﺋﻴ ﺴﻴ ﺔ اﻟ‬
‫ﺜﻞ اﻟﻌﻮاﺋﻖ اﻟﺮ‬
‫ﺒﻌ ﺔﺗﺤﺪﻳﺎ تﺗﻤ‬
‫ﺳ‬
‫ﺑﺤ ﺚ ﺟﺪﻳﺪ ﻋﻨﺪﺗﻘﺎﻃﻊ‬‫ﺘﺤﺪﻳﺎ ت‪ .‬ﻧﺄﻣﻞ أنﺗﻌﻤﻞ ﻫﺬه اﻟﻤﻘﺎﻟ ﺔ ﻛﻤﺤﻔﺰ ﻹﻟﻬﺎم‬
‫ﻓﺮص ﻣﻮاﺟﻬ ﺔ ﻫﺬه اﻟ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‪.‬‬
‫ﺘﻌﻠﻢ اﻟﻔﻴﺪراﻟ ﻲ وإﻧ‬
‫اﻟ‬ ‫ﺘﺠﺎﻧ ﺴﻴﻦ ‪"،‬‬
‫ﺗﺼﺎل ﻟﻠﻌﻤﻼء ﻏﻴﺮ اﻟﻤ‬
‫ﺘﻌﻠﻢ اﻟﻤﻮﺣﺪ اﻟﻔﻌﺎل ﻟﻠﺤ ﺴﺎ ب واﻻ‬
‫‪[11] E. Diao‬و ‪J. Ding‬و ‪V. Tarokh ، "Heterofl:‬اﻟ‬
‫ﺘﻌﻠﻢ ‪2020. ،‬‬
‫ﺜﻴﻼ ت اﻟ‬
‫ﺘﻤ‬‫ﺗﻤﺮ اﻟﺪوﻟ ﻲ ﻟ‬
‫ﻓ ﻲ اﻟﻤﺆ‬

‫ﺘﻘﺪم‬
‫ﺒﻴﺮة ﻋﲆ اﻟﺤﺎﻓ ﺔ ‪ "،‬اﻟ‬
‫ﺘﺤﺪ ﻟـ ‪cnns‬اﻟﻜ‬
‫ﺘﻌﻠﻢ اﻟﻤ‬
‫ﺘﻴﻤﻬﺮ ‪" ،‬ﻧﻘﻞ اﻟﻤﻌﺮﻓ ﺔ اﻟﺠﻤﺎﻋ ﻲ‪ :‬اﻟ‬
‫]‪[12‬ﺟﻴﻢ ﻫﻮ ‪ ،‬إم أﻧﺎﻓﺎرام ‪ ،‬وس‪ .‬أﻓﻴ ﺴ‬
‫ﺒﻴ ﺔ ‪ ،‬اﻟﻤﺠﻠﺪ‪33 ، 2020. .‬‬
‫ﻓ ﻲ أﻧﻈﻤ ﺔ ﻣﻌﺎﻟﺠ ﺔ اﻟﻤﻌﻠﻮﻣﺎ ت اﻟﻌﺼ‬
‫‪Machine Translated by Google‬‬
‫‪7‬‬

‫ﺘﺸﺎف‬
‫ﺘﺤﺪ ﻻﻛ‬
‫ﺗ ﺶ ﻓﺮﻳﺪوﻧ ﻲ ‪ ،‬إن أﺳﻮﻛﺎن ‪ ،‬وأ‪ .‬ﺻﺎدﻗ ﻲ ‪"D¨Iot: ،‬ﻧﻈﺎم ﻣ‬
‫ﺘﻴﻨﻴﻦ ‪ ،‬إ‬
‫ﺗ ﻲ دي ﻧﻐﻮﻳﻦ ‪ ،‬إس‪ .‬ﻣﺎرﺷﺎل ‪ ،‬إم ﻣﻴ‬
‫]‪[13‬‬ ‫ﺗﻴ ﺔ‬
‫ﺑﻌﺎ‪ .‬ﻗ ﺴﻢ اﻟ ﺴﻴﺮة اﻟﺬا‬
‫ﺳﺎ‬

‫ﺒ ﺔ اﻟﻤﻮزﻋ ﺔ ‪2019 ،‬‬

‫ﺛﻴﻦ ‪IEEE‬ﻟﻌﺎم ‪2019‬ﺣﻮل أﻧﻈﻤ ﺔ اﻟﺤﻮﺳ‬
‫ﺜﻼ‬‫ﺘﺎﺳﻊ واﻟ‬
‫ﺗﻤﺮ اﻟﺪوﻟ ﻲ اﻟ‬
‫ﺗ ﻲ ﻟـ ‪iot" ،‬ﻓ ﻲ اﻟﻤﺆ‬
‫ﺘﻌﻠﻢ اﻟﺬا‬
‫اﻟﺸﺬوذ ﻟﻠ‬
‫‪ (ICDCS) ،‬ص ‪756-767.‬‬
‫ﺒﻜﺎﻟﻮرﻳﻮس‬
‫ﺣﺼﻞ )‪Tuo Zhang Tuo Zhang (tuozhang@usc.edu‬ﻋﲆ درﺟ ﺔ اﻟ‬
‫¨‬
‫ﺘﺪرﺟﺎ ت ‪-‬ﻣﺎ ﻣﺪىﺳﻬﻮﻟ ﺔ ﻛ ﺴﺮ اﻟﺨﺼﻮﺻﻴ ﺔ‬
‫‪[14] J. Geiping‬و ‪H. Bauermeister‬و ‪H. Droge‬و ‪"M. Moeller ،‬ﻋﻜ ﺲ اﻟ‬ ‫ﺑﺮا ﻓ ﻲ ﻋﺎم ‪2020.‬‬
‫ﺑﺎر‬‫ﺘﺎ‬
‫ﺑﺎﺋﻴ ﺔ ﻣﻦ ﺟﺎﻣﻌ ﺔ ﻛﺎﻟﻴﻔﻮرﻧﻴﺎ ‪،‬ﺳﺎﻧ‬
‫ﻓ ﻲ اﻟﻬﻨﺪﺳ ﺔ اﻟﻜﻬﺮ‬
‫ﺘﻌﻠﻢ اﻟﻔﻴﺪراﻟ ﻲ؟"‬
‫ﻓ ﻲ اﻟ‬
‫ﺒﻴ ﺔ ‪ ،‬اﻟﻤﺠﻠﺪ‪33 ، 2020. .‬‬
‫ﺘﻘﺪم ﻓ ﻲ ﻧﻈﻢ ﻣﻌﺎﻟﺠ ﺔ اﻟﻤﻌﻠﻮﻣﺎ ت اﻟﻌﺼ‬
‫اﻟ‬ ‫ﺑ ﻲ ﻟﻠﻬﻨﺪﺳ ﺔ ‪ ،‬ﺟﺎﻣﻌ ﺔ‬
‫ﺘﺮ‬
‫ﺘﻮراه‪ .‬ﻓ ﻲ ﻣﺪرﺳ ﺔ ﻓﻴ‬
‫ﻳﻌﻤﻞ ﺣﺎﻟ ًﻴﺎ ﻟﻠﺤﺼﻮل ﻋﲆ درﺟ ﺔ اﻟﺪﻛ‬
‫‪of Things" in Proceedings of the 19th ACM Conference on Embedded Networked Sensor Systems،‬‬ ‫ﺘﻌﻠﻢ‬
‫ﺜ ﻲ ﻋﲆﺗﻄﻮﻳﺮ ﺧﻮارزﻣﻴﺎ ت وأﻧﻈﻤ ﺔ اﻟ‬
‫ﺒﺤ‬‫ﺘﻤﺎﻣﻪ اﻟ‬
‫ﺟﻨﻮ ب ﻛﺎﻟﻴﻔﻮرﻧﻴﺎ‪.‬ﻳﻨﺼ ﺐ ا ﻫ‬
‫‪[15] T. Zhang، C. He، T. Ma، L. Gao، M. Ma، and S. Avestimehr، "Federated learning for internet‬ﺳﺮ‪.‬‬ ‫ﺜﻘ ﺔ‪.‬‬
‫ﺑﺎﻟ‬‫اﻵﻟ ﻲ اﻟﺠﺪﻳﺮة‬
‫‪SenSys '21.‬‬
‫ﺘﺤﺪة اﻷﻣﺮﻳﻜﻴ ﺔ‪ Association for Computing Machinery ، 2021 ، :‬ص‪.‬‬
‫ﻧﻴﻮﻳﻮرك ‪ ،‬ﻧﻴﻮﻳﻮرك ‪ ،‬اﻟﻮﻻﻳﺎ ت اﻟﻤ‬

‫ﺘﺎح‪https://doi.org/10.1145/3485730.3493444 :‬‬
‫ﺘﺼﻞ[‪ .‬ﻣ‬
‫‪]413-419.‬ﻣ‬

‫ﺒﻜﺎﻟﻮرﻳﻮس ﻓ ﻲ اﻟﻬﻨﺪﺳ ﺔ‬
‫ﺣﺼﻞ )‪Lei Gao Lei Gao (leig@usc.edu‬ﻋﲆ درﺟ ﺔ اﻟ‬
‫ﺘﻴﺮ ﻓ ﻲ‬
‫ﺑﺮا ﻓ ﻲ ﻋﺎم ‪2019 ،‬وﻣﺎﺟ ﺴ‬
‫ﺑﺎر‬‫ﺘﺎ‬
‫ﺑﺎﺋﻴ ﺔ ﻣﻦ ﺟﺎﻣﻌ ﺔ ﻛﺎﻟﻴﻔﻮرﻧﻴﺎ ‪،‬ﺳﺎﻧ‬
‫اﻟﻜﻬﺮ‬
‫ﺑﺎﺋﻴ ﺔ ﻣﻦ ﺟﺎﻣﻌ ﺔ ﺟﻨﻮ ب ﻛﺎﻟﻴﻔﻮرﻧﻴﺎ ﻓ ﻲ ﻋﺎم ‪2021.‬و ﻫﻮﻳﻌﻤﻞ ﺣﺎﻟ ًﻴﺎ‬
‫اﻟﻬﻨﺪﺳ ﺔ اﻟﻜﻬﺮ‬
‫ﺗﻪ‬
‫ﺘﻤﺎﻣﺎ‬
‫ﺘﺮﻛﺰ ا ﻫ‬
‫ﺘﺎل ﻓ ﻲ ﺟﺎﻣﻌ ﺔ ﺟﻨﻮ ب ﻛﺎﻟﻴﻔﻮرﻧﻴﺎ‪.‬ﺗ‬
‫ﺒﺮ ﻓﻴ‬
‫ﺘ‬‫ﺒﺎﺣ ﺚ ﻃﺎﻟ ﺐ ﻓ ﻲ ﻣﺨ‬
‫ﻛ‬
‫ﺘﻄﻮرة‪.‬‬
‫ﺒ ﺔ اﻟﻤ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ‪ ،‬واﻟﺤﻮﺳ‬
‫ﺘﻌﻠﻢ اﻟﺼﻴﻨ ﻲ ‪ ،‬وإﻧ‬
‫ﺜﻴ ﺔ ﻓ ﻲ ﻣﺠﺎﻻ ت اﻟ‬
‫ﺒﺤ‬‫اﻟ‬

‫ﺘﻮراه‪ .‬ﻣﺮﺷﺢ ﻓ ﻲ ﻗ ﺴﻢ ﻋﻠﻮم‬

‫ﺗﺸﺎوﻳﺎﻧﻎ ﻫ ﻲﺗﺸﺎوﻳﺎﻧﻎ و ﻫﻮ ﺣﺎﺻﻞ ﻋﲆ درﺟ ﺔ اﻟﺪﻛ‬
‫ﺘﻌﻠﻢ اﻵﻟ ﻲ‬ ‫ﺜﻪ ﻋﲆ ﺧﻮارزﻣﻴﺎ ت اﻟ‬
‫ﺑﺤ‬ ‫ﺑﺠﺎﻣﻌ ﺔ ﺟﻨﻮ ب ﻛﺎﻟﻴﻔﻮرﻧﻴﺎ‪.‬ﻳﺮﻛﺰ‬ ‫ﺗﺮ‬‫ﺒﻴﻮ‬ ‫اﻟﻜﻤ‬
‫ﺘﻴﻤﻬﺮ )ﺟﺎﻣﻌ ﺔ‬ ‫ﺘﺎذﺳﻠﻤﺎن أﻓ ﺴ‬ ‫ﺒﻴﻘﺎ ت‪ .‬ﻧﺼﺤﻪ اﻷﺳ‬ ‫ﺘﻄ‬ ‫اﻟﻤﻮزﻋ ﺔ ‪ /‬اﻟﻤﻮﺣﺪة واﻷﻧﻈﻤ ﺔ واﻟ‬

‫ﺑ ًﻘﺎ ‪ ،‬ﻛﺎن‬
‫ﺑ ﻲ )ﺟﺎﻣﻌ ﺔ ﺟﻨﻮ ب ﻛﺎﻟﻴﻔﻮرﻧﻴﺎ(‪.‬ﺳﺎ‬
‫ﺗﺎ‬
‫ﺟﻨﻮ ب ﻛﺎﻟﻴﻔﻮرﻧﻴﺎ( وﻣﻬﺪيﺳﻠﻄﺎن أﻟﻜﻮ‬
‫ﺑﺮﻣﺠﻴﺎ ت اﻟﻤﻮﻇﻔﻴﻦ ﻓ ﻲ ‪(2014-2018) ،‬‬‫ﺘﻄﻮﻳﺮ وﻣﻬﻨﺪس‬
‫ﺒﺤ ﺚ واﻟ‬
‫ﻣﺪﻳﺮ ﻓﺮﻳﻖ اﻟ‬
‫ﺑﺮﻣﺠﻴﺎ ت أول ﻓ ﻲ ‪Baidu (2012-2014) ،‬‬‫‪Tencent‬وﻗﺎﺋﺪ ﻓﺮﻳﻖ وﻣﻬﻨﺪس‬
‫ﺑﺮﻣﺠﻴﺎ ت ﻓ ﻲ ‪Huawei (2011-2012).‬‬‫وﻣﻬﻨﺪس‬

‫‪Chaoyang‬ﺣﺼﻞ ﻋﲆ ﻋﺪد ﻣﻦ اﻟﺠﻮاﺋﺰ ﻓ ﻲ اﻷوﺳﺎط اﻷﻛﺎدﻳﻤﻴ ﺔ واﻟﺼﻨﺎﻋﻴ ﺔ ‪،‬‬

‫ﺑﻤﺎ ﻓ ﻲ ذﻟﻚ ﺟﺎﺋﺰة أﻓﻀﻞ ورﻗ ﺔ ﻓ ﻲ ورﺷ ﺔ ﻋﻤﻞ ‪NeurIPS 2020 Federated Learning ،‬زﻣﺎﻟ ﺔ ‪Learning (2021-2022) ،‬‬
‫ﺘﻤﻴﺰﻳﻦ ﻓ ﻲ ‪(2015- 2016) ،‬‬
‫ﺘﻜﺎر ‪(2021-2022) ،‬ﺟﺎﺋﺰة اﻟﻤﻮﻇﻔﻴﻦ اﻟﻤ‬
‫ﺑ‬‫‪Amazon Machine‬زﻣﺎﻟ ﺔ ‪Qualcomm‬ﻟﻼ‬
‫ﺘﻜﺎر ‪(2016) ،‬وﺟﻮاﺋﺰ ‪Baidu LBS Group Star (2013) ،‬وﺟﺎﺋﺰة ‪Network (2012).‬‬
‫ﺑ‬‫‪Tencent‬وﺟﺎﺋﺰة ‪WeChat‬اﻟﺨﺎﺻ ﺔ ﻟﻼ‬
‫‪Huawei Golden‬‬

‫ﺋﻴ ﺴﻴ ﺔ‪:‬‬ ‫ﺛًﺎ ﻓ ﻲ ‪ICML‬و ‪NeurIPS‬و ‪CVPR‬و ‪ICLR‬و ‪MLSys‬وﻏﻴﺮ ﻫﺎ‪ .‬ﺻﻔﺤ‬
‫ﺘﻪ اﻟﺮ‬ ‫ﺑﺤﺎ‬
‫ﺘﻮراه‪ .‬ﻓ ﻲ اﻟﺪراﺳ ﺔ ‪ ،‬ﻧﺸﺮ أ‬
‫ﺧﻼل اﻟﺪﻛ‬
‫‪https://chaoyanghe.com.‬‬

‫ﺘﻌﻠﻢ اﻵﻟ ﻲ ﻓ ﻲ‬
‫ﺒﺮ أﻧﻈﻤ ﺔ اﻟ‬
‫ﺘ‬‫ﺘﺎذ ﻣﺸﺎرك وﻣﺪﻳﺮ ﻣﺨ‬
‫‪ Mi Zhang Mi Zhang‬ﻫﻮ أﺳ‬
‫ﺘﻮراه‪ .‬ﻣﻦ ﺟﺎﻣﻌ ﺔ ﺟﻨﻮ ب ﻛﺎﻟﻴﻔﻮرﻧﻴﺎ‬
‫ﺟﺎﻣﻌ ﺔ وﻻﻳ ﺔ ﻣﻴﺸﻴﻐﺎن‪ .‬ﺣﺼﻞ ﻋﲆ اﻟﺪﻛ‬
‫ﺑﺎﺣ ً‬
‫ﺜﺎ‬ ‫ﺒﻞ اﻧﻀﻤﺎﻣﻪ إﱃ ﺟﺎﻣﻌ ﺔ وﻻﻳ ﺔ ﻣﻴﺸﻴﻐﺎن ‪ ،‬ﻛﺎن‬
‫ﺑﻜﻴﻦ‪ .‬ﻗ‬‫ﺑﻜﺎﻟﻮرﻳﻮس ﻣﻦ ﺟﺎﻣﻌ ﺔ‬
‫و‬
‫ﺛﻪ ﻓ ﻲﺗﻘﺎﻃﻊ أﻧﻈﻤ ﺔ اﻷﺟﻬﺰة‬
‫ﺑﺤﺎ‬
‫ﺘﻮراه ﻓ ﻲ ﺟﺎﻣﻌ ﺔ ﻛﻮرﻧﻴﻞ‪.‬ﺗﻜﻤﻦ أ‬
‫ﺑﻌﺪ اﻟﺪﻛ‬‫ﻣﺎ‬
‫ﺗﺸﻤﻞ ﻣﺠﺎﻻ تﺗﺸﻤﻞ اﻟﺬﻛﺎء‬
‫ﺘﻌﻠﻢ اﻵﻟ ﻲ ‪ ،‬و‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء واﻟ‬
‫اﻟﻤﺤﻤﻮﻟ ﺔ ‪ /‬اﻟﺤﺎﻓ ﺔ ‪ /‬إﻧ‬
‫ﺘﻌﻠﻢ اﻟﻤﻮﺣﺪ ‪ ،‬وأﻧﻈﻤ ﺔ‬
‫ﺘﻌﻠﻢ اﻵﻟ ﻲ اﻵﻟ ﻲ ‪(AutoML) ،‬واﻟ‬
‫اﻻﺻﻄﻨﺎﻋ ﻲ ﻋﲆ اﻟﺠﻬﺎز ‪ ،‬واﻟ‬
‫ﺘﻌﻠﻢ اﻵﻟ ﻲ ﻟﻸﻧﻈﻤ ﺔ ‪،‬‬
‫ﺘﻌﻠﻢ اﻵﻟ ﻲ ‪ ،‬واﻟ‬
‫اﻟ‬

‫ﺘﻤﺎﻋ ﻲ‪.‬‬
‫واﻟﺬﻛﺎء اﻻﺻﻄﻨﺎﻋ ﻲ ﻣﻦ أﺟﻞ اﻟﺼﺤ ﺔ واﻟﺼﺎﻟﺢ اﻻﺟ‬

‫ﺑﻊ ﻓ ﻲﺗﺤﺪي ‪Google MicroNet‬ﻟﻌﺎم ‪2019 ،‬‬

‫ﺑﺎﻟﻤﺮﻛﺰ اﻟﺮا‬‫ﺛﻪ‪ .‬إﻧﻪ اﻟﻔﺎﺋﺰ‬
‫ﺑﺤﺎ‬
‫ﺘﻮرﺗﺸﺎﻧﻎ ﻋﲆ ﻋﺪد ﻣﻦ اﻟﺠﻮاﺋﺰﻷ‬
‫ﺣﺼﻞ اﻟﺪﻛ‬
‫ﺘﻌﺮف ﻋﲆ اﻟﺼﻮر ﻟﻌﺎم ‪2016.‬‬
‫ﺑﻘ ﺔ ‪NIH Pill‬ﻟﻠ‬
‫ﺑﻄﻞ ﻣ ﺴﺎ‬
‫ﺑﻘ ﺔ ‪NSF Hearables‬ﻟﻌﺎم ‪2017 ،‬و‬
‫ﺜﺎﻟ ﺚ ﻓ ﻲ ﻣ ﺴﺎ‬
‫ﺑﺎﻟﻤﺮﻛﺰ اﻟ‬‫واﻟﻔﺎﺋﺰ‬
‫ﺒﻊ ﺟﻮاﺋﺰ ورﻗﻴ ﺔﻷﻓﻀﻞﺗﺮﺷﻴﺤﺎ ت‪ .‬و ﻫﻮ أ ً‬
‫ﻳﻀﺎ ﺣﺎﺻﻞ ﻋﲆ ﺟﺎﺋﺰة ‪National Science Foundation CRII ،‬‬ ‫ﺣﺼﻞ ﻋﲆﺳ‬
‫وﺟﺎﺋﺰة ‪Facebook Faculty Research ،‬وﺟﺎﺋﺰة ‪Amazon Machine Learning Research ،‬وﺟﺎﺋﺰة ‪of the Year.‬‬
‫‪MSU Innovation‬‬
‫‪Machine Translated by Google‬‬
‫‪8‬‬

‫ﺘﺎذ اﻟﻬﻨﺪﺳ ﺔ‬
‫‪ Bhaskar Krishnamachari Bhaskar Krishnamachari‬ﻫﻮ أﺳ‬

‫ﺒﺎ ت ﻓ ﻲ ﻛﻠﻴ ﺔ ‪USC Viterbi‬ﻟﻠﻬﻨﺪﺳ ﺔ‪ .‬و ﻫﻮ اﻟﻤﺪﻳﺮ‬

‫ﺑﺎﺋﻴ ﺔ و ﻫﻨﺪﺳ ﺔ اﻟﺤﺎﺳ‬
‫اﻟﻜﻬﺮ‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء‪.‬‬
‫ﺒﺮاﻧﻴ ﺔ اﻟﻔﻴﺰﻳﺎﺋﻴ ﺔ وإﻧ‬
‫اﻟﻤﺆﺳ ﺲ ﻟﻤﺮﻛﺰ ‪USC Viterbi‬ﻟﻸﻧﻈﻤ ﺔ اﻟ ﺴﻴ‬

‫ﺒﻜﺎﻟﻮرﻳﻮس ﻓ ﻲ اﻟﻬﻨﺪﺳ ﺔ‬
‫ﺘﻮراه‪ .‬ﺣﺼﻞ ﻋﲆ درﺟ ﺔ اﻟ‬
‫ﺘﻴﺮ واﻟﺪﻛ‬
‫ﺣﺼﻞ ﻋﲆ اﻟﻤﺎﺟ ﺴ‬
‫ﺘﻮاﻟ ﻲ ‪ ،‬وﺷﻬﺎدة‬
‫ﺑﺎﺋﻴ ﺔ ﻣﻦ ﺟﺎﻣﻌ ﺔ ﻛﻮرﻧﻴﻞ ﻓ ﻲ ﻋﺎﻣ ﻲ ‪1999‬و ‪2002‬ﻋﲆ اﻟ‬
‫اﻟﻜﻬﺮ‬
‫ﺘﻘﺪم اﻟﻌﻠﻮم واﻟﻔﻨﻮن ﻓ ﻲ ﻋﺎم‬
‫ﺑﺮ ﻟ‬
‫ﺗﺤﺎد ﻛﻮ‬
‫ﺑﺎﺋﻴ ﺔ ﻣﻦ ا‬
‫ﺒﻜﺎﻟﻮرﻳﻮس ﻓ ﻲ اﻟﻬﻨﺪﺳ ﺔ اﻟﻜﻬﺮ‬
‫اﻟ‬
‫ﺗﻮﻛﻮﻻ ت‬‫ﺒﺮو‬‫ﺗﺤﻠﻴﻞ اﻟﺨﻮارزﻣﻴﺎ ت واﻟ‬ ‫ﺘﺼﻤﻴﻢ و‬ ‫ﺑ‬‫ﺜﻴ ﺔ‬
‫ﺒﺤ‬‫ﺗﻪ اﻟ‬ ‫ﺘﻤﺎﻣﺎ‬ ‫ﺘﻌﻠﻖ ا ﻫ‬
‫ﺗ‬‫‪1998.‬و‬
‫ﺗﻘﻨﻴﺎ ت ‪blockchain ،‬‬ ‫ﺒ ﺔ اﻟﻤﻮزﻋ ﺔ ‪ ،‬و‬
‫ﺘﺮﻧ ﺖ اﻷﺷﻴﺎء ‪ ،‬واﻟﺤﻮﺳ‬ ‫ﺑـ إﻧ‬‫ﺒﻴﻘﺎ ت اﻟﺨﺎﺻ ﺔ‬
‫ﺘﻄ‬‫واﻟ‬

‫ﺒﻜﻴ ﺔ‪ .‬ﺣﺼﻞ ﻋﲆ ﺟﺎﺋﺰة ‪NSF CAREER ،‬وﺟﺎﺋﺰة ‪ASEE Terman ،‬‬

‫ﺗﺎ ت اﻟﺸ‬
‫ﺑﻮ‬‫واﻟﺮو‬
‫ﺑﻤﺎ ﻓ ﻲ ذﻟﻚ ﻓ ﻲ‬‫ﺜﻴ ﺔ‬
‫ﺑﺤ‬‫ﺗﻤﺮﻷﻓﻀﻞ ورﻗ ﺔ‬
‫ﺑﺎﺋ ﻲ وﺣﺎﺳﻮ ب ‪ ،‬واﻟﻌﺪﻳﺪ ﻣﻦ ﺟﻮاﺋﺰ اﻟﻤﺆ‬
‫وﺟﺎﺋﺰة ‪IEEE-HKN‬ﻷﻓﻀﻞ ﻣﻬﻨﺪس ﻛﻬﺮ‬
‫‪ACM Mobicom‬و ‪IEEE / ACM IPSN.‬‬

‫ﺘﺎذ ﻋﻤﻴﺪ ‪ ،‬واﻟﻤﺪﻳﺮ‬

‫‪ A. Salman Avestimehr A. Salman Avestimehr‬ﻫﻮ أﺳ‬

‫ﺑﻪ )ﻣﻨﻈﻤ ﺔ اﻟﻌﻔﻮ اﻟﺪوﻟﻴ ﺔ‬‫ﺛﻮق‬ ‫ﺘﻌﻠﻢ اﻵﻣﻦ واﻟﻤﻮ‬ ‫ﺘﺎﺣ ﻲ ﻟﻤﺮﻛﺰ ‪USC-Amazon‬ﻟﻠ‬ ‫ﺘ‬‫اﻻﻓ‬
‫ﺘﻌﻠﻢ اﻵﻟ ﻲ )‪(vI TAL‬ﻓ ﻲ ﻗ ﺴﻢ‬ ‫ﺑﺤﺎ ث ﻧﻈﺮﻳ ﺔ اﻟﻤﻌﻠﻮﻣﺎ ت واﻟ‬
‫ﺒﺮ أ‬
‫ﺘ‬‫ﺛﻮﻗ ﺔ( ‪ ،‬وﻣﺪﻳﺮ ﻣﺨ‬
‫اﻟﻤﻮ‬

‫ﺑﺎﺣ ﺚ‬ ‫ﺑﺠﺎﻣﻌ ﺔ ﺟﻨﻮ ب ﻛﺎﻟﻴﻔﻮرﻧﻴﺎ‪ .‬و ﻫﻮ أ ً‬

‫ﻳﻀﺎ‬ ‫ﺒﺎ ت‬
‫ﺑﺎﺋﻴ ﺔ و ﻫﻨﺪﺳ ﺔ اﻟﺤﺎﺳ‬
‫اﻟﻬﻨﺪﺳ ﺔ اﻟﻜﻬﺮ‬
‫ﺘﻴﺮ ﻓ ﻲ‬
‫ﺘﻮراه‪ .‬ﻓ ﻲ ﻋﺎم ‪2008‬ودرﺟ ﺔ اﻟﻤﺎﺟ ﺴ‬
‫أﻣﺎزون ﻓ ﻲ ‪Alexa AI.‬ﺣﺼﻞ ﻋﲆ اﻟﺪﻛ‬
‫ﺗﺮ ‪ ،‬وﻛﻼ ﻫﻤﺎ ﻣﻦ ﺟﺎﻣﻌ ﺔ ﻛﺎﻟﻴﻔﻮرﻧﻴﺎ ‪،‬‬
‫ﺒﻴﻮ‬
‫ﺑﺎﺋﻴ ﺔ وﻋﻠﻮم اﻟﻜﻤ‬
‫ﻋﺎم ‪2005‬ﻓ ﻲ اﻟﻬﻨﺪﺳ ﺔ اﻟﻜﻬﺮ‬
‫ﺑﺎﺋﻴ ﺔ ﻣﻦ‬‫ﺒﻜﺎﻟﻮرﻳﻮس ﻓ ﻲ اﻟﻬﻨﺪﺳ ﺔ اﻟﻜﻬﺮ‬
‫ﺒﻞ ذﻟﻚ ‪ ،‬ﺣﺼﻞ ﻋﲆ درﺟ ﺔ اﻟ‬‫ﺑﻴﺮﻛﻠ ﻲ‪ .‬وﻗ‬
‫ﺜﻴ ﺔ ﻧﻈﺮﻳ ﺔ‬
‫ﺒﺤ‬ ‫ﺗﻪ اﻟ‬
‫ﺘﻤﺎﻣﺎ‬ ‫ﺗﺸﻤﻞ ا ﻫ‬
‫ﺘﻜﻨﻮﻟﻮﺟﻴﺎ ﻓ ﻲ ﻋﺎم ‪2003.‬و‬
‫ﺟﺎﻣﻌ ﺔ اﻟﺸﺮﻳﻒ ﻟﻠ‬

‫ﺘﻌﻠﻢ‬
‫ﺒ ﺔ ‪ /‬اﻟ‬
‫ﺘﻌﻠﻢ اﻵﻟ ﻲ ‪ ،‬واﻟﺤﻮﺳ‬
‫ﺒ ﺔ اﻟﻤﻮزﻋ ﺔ ﻋﲆ ﻧﻄﺎق واﺳﻊ واﻟ‬
‫اﻟﻤﻌﻠﻮﻣﺎ ت ‪ ،‬واﻟﺤﻮﺳ‬
‫ﺘﻌﻠﻢ اﻟﻤﻮﺣﺪ‪.‬‬
‫اﻵﻣﻦ واﻟﺨﺎص ‪ ،‬واﻟ‬

‫ﺑﻤﺎ ﻓ ﻲ ذﻟﻚ ﺟﺎﺋﺰة ‪L. Massey Research & Teaching‬‬‫ﺛﻪ ‪،‬‬

‫ﺑﺤﺎ‬
‫ﺘﻮر ‪Avestimehr‬ﻋﲆ ﻋﺪد ﻣﻦ اﻟﺠﻮاﺋﺰﻷ‬
‫ﺣﺼﻞ اﻟﺪﻛ‬
‫ﺘﻤﻊ ﻧﻈﺮﻳ ﺔ اﻟﻤﻌﻠﻮﻣﺎ ت وﺟﻤﻌﻴ ﺔ‬
‫ﺘﺮﻛ ﺔ ﻟﻤﺠ‬
‫‪James‬ﻣﻦ ‪IEEE Information Theory Society ،‬وﺟﺎﺋﺰة اﻟﻮرﻗ ﺔ اﻟﻤﺸ‬
‫ﺑﺎﻣﺎ( ‪ ،‬ﺟﺎﺋﺰة‬
‫ﺋﻴ ﺲ أو‬
‫ﺑﻴﺾ )اﻟﺮ‬
‫ﺒﻴ ﺖ اﻷ‬
‫ﺒﻜﺮ ﻟﻠﻌﻠﻤﺎء واﻟﻤﻬﻨﺪﺳﻴﻦ )‪( PECASE‬ﻣﻦ اﻟ‬
‫ﺋﺎﺳ ﻲ اﻟﻤ‬
‫ﺘﻮﻇﻴﻒ اﻟﺮ‬
‫ﺗﺼﺎﻻ ت ‪ ،‬وﺟﺎﺋﺰة اﻟ‬
‫اﻻ‬
‫ﺒﺤ ﺚ اﻟﻌﻠﻤ ﻲ ‪ ،‬ﺟﺎﺋﺰة ‪CAREER‬ﻟﻤﺆﺳ ﺴ ﺔ اﻟﻌﻠﻮم‬
‫ﺘ ﺐ اﻟﻘﻮا ت اﻟﺠﻮﻳ ﺔ اﻷﻣﺮﻳﻜﻴ ﺔ ﻟﻠ‬
‫ﺑﺮﻧﺎﻣﺞ اﻟﻤﺤﻘﻖ اﻟﺸﺎ ب )‪(YIP‬ﻣﻦ ﻣﻜ‬
‫اﻟﻮﻃﻨﻴ ﺔ ‪ ،‬ﺟﺎﺋﺰة ‪David J.‬‬

‫ﺗﻤﺮا ت‪ .‬ﻟﻘﺪ ﻛﺎن ﻣﺤﺮ ًرا ﻣﺸﺎر ًﻛﺎ ﻓ ﻲ ‪Information Theory‬‬

‫ﺘﺬﻛﺎرﻳ ﺔ واﻟﻌﺪﻳﺪ ﻣﻦ ﺟﻮاﺋﺰ أﻓﻀﻞ ورﻗ ﺔ ﻓ ﻲ اﻟﻤﺆ‬
‫ﺟﺎﺋﺰةﺳﺎﻛﺮﻳ ﺴﻮن اﻟ‬
‫ﺴﺎ ﻣﺸﺎر ًﻛﺎ ً‬
‫ﻋﺎﻣﺎ ﻟﻠﻨﺪوة اﻟﺪوﻟﻴ ﺔ ﻟﻌﺎم ‪2020‬ﺣﻮل ﻧﻈﺮﻳ ﺔ اﻟﻤﻌﻠﻮﻣﺎ ت ‪(ISIT).‬و ﻫﻮ زﻣﻴﻞ‬ ‫ﺋﻴ ً‬
‫‪IEEE Transactions on‬ور‬
‫‪IEEE. https://www.avestimehr.com.‬‬