联邦学习(FL)中的梯度噪声注入与差分隐私保护平衡策略

一、引言 随着数据隐私保护需求的日益增长，传统集中式机器学习架构面临诸多挑战。联邦学习（Federated Learning, FL）作为一种去中心化的机器学习方式，允许多个参与方在不共享原始数据的前提下共同训练模型，因此被广泛应用于医疗、金融、移动设备等涉及隐私的领域。 然而，尽管 FL 避免了原始数据的…

基于TinyML的嵌入式设备端语音唤醒词检测模型轻量化部署

摘要： 随着物联网和智能设备的普及，语音唤醒功能已成为人机交互的重要方式。传统云端处理的语音唤醒方案存在延迟高、隐私风险大等问题，而TinyML（微型机器学习）技术的兴起使得在资源受限的嵌入式设备上直接运行轻量级语音唤醒模型成为可能。 本文详细介绍了基于TinyML的嵌入式设备端语音唤醒词检测…

嵌入式无线通信中的自适应跳频抗干扰算法与频谱效率分析

关键词：自适应跳频（AFH）、ISM 2.4GHz频段、频谱利用率、抗干扰优化、嵌入式系统设计 引言：无线通信的永恒挑战 在IoT设备密集的2.4GHz ISM频段（WiFi/蓝牙/Zigbee共存环境），固定跳频模式会导致频谱资源浪费与碰撞概率激增。我们基于STM32U575+ESP8266硬件平台，提出一种动态信道质量评估(QCA)与快…

嵌入式系统硬件安全：物理不可克隆功能（PUF）密钥生成与防侧信道攻击设计

引言 随着物联网（IoT）、智能设备和工业控制系统的普及，嵌入式系统的安全性成为关乎数据隐私和系统可靠性的核心问题。传统的软件加密方案已无法完全应对硬件层面的威胁，例如密钥泄露、芯片克隆和侧信道攻击（Side-Channel Attacks, SCA）。在此背景下，物理不可克隆功能（Physical Unclonable Funct…

面向边缘设备的TinyML模型自动化剪枝与量化联合优化框架

引言：边缘计算与TinyML的挑战 随着物联网（IoT）和边缘计算的快速发展，部署在资源受限设备（如传感器、摄像头、可穿戴设备）上的微型机器学习（TinyML）模型需求激增。然而，这类设备的计算能力、内存和能耗限制，使得传统的深度学习模型难以直接部署。为此，模型压缩技术（如剪枝和量化）成为关键手…

嵌入式视觉系统中基于硬件加速的YOLO目标检测算法移植与优化

一、引言 随着物联网(IoT)和智能设备的快速发展，嵌入式视觉系统变得越来越重要。这些系统能够使设备看见并理解它们周围的环境，从而做出相应的反应。YOLO（You Only Look Once）是一种流行的目标检测算法，它以其快速且准确的特点被广泛应用于各种场景。本文将介绍如何在嵌入式系统上实现基于硬件加速…

嵌入式设备固件空中升级（OTA）的安全性与可靠性保障方案

嵌入式设备OTA升级：构筑安全可靠的空中升级生命线 在万物互联的智能时代，嵌入式设备的固件空中升级（OTA）技术已成为产品竞争力的核心要素。从智能家居到工业物联网，OTA技术让数亿台设备得以持续进化，但2021年某知名车企因OTA漏洞导致数万辆汽车被远程破解的事件，暴露出空中升级系统的安全短板。…

嵌入式Linux实时性改造：Xenomai双核方案与PREEMPT_RT性能对比

引言 在工业控制、机器人、汽车电子等领域，实时性是嵌入式系统的关键需求。传统Linux内核由于调度机制的限制，难以满足微秒级响应的要求。为了解决这一问题，开源社区提出了多种实时性改造方案，其中Xenomai双核架构和PREEMPT_RT补丁是目前主流的选择。本文将从技术原理、性能表现和适用场景三个方面…