近日，以“联邦学习在低空经济中的应用研究”为主题的专题讲座在4B204顺利开展，江荣旺作为主讲人，围绕联邦学习与低空经济的融合发展展开深度分享，为现场听众解析了这一前沿技术在低空经济领域的应用逻辑、实践路径与未来潜力。
讲座中，主讲人江荣旺首先介绍了联邦学习与低空经济的高度契合性。作为一种分布式机器学习方法，联邦学习以“数据不动模型动”为核心，仅传输加密后的模型参数或梯度，既能天然解决数据隐私保护问题，又能打破数据孤岛，实现不同主体间的数据价值流通，同时大幅减少数据传输量，有效缓解低空通信压力。而这一技术在物联网、自动驾驶领域的成熟应用，也为其在低空经济垂直领域的落地奠定了基础。
针对低空经济场景下的数据特征，讲座指出，低空数据存在标签分布偏斜、特征分布偏斜、数据量不均衡的异构性特征，且对处理的动态性、实时性要求严苛，同时存在多源多模态数据融合的迫切需求，而联邦学习结合边缘计算，可实现模型训练与推理的本地化、下沉化，同时作为多模态融合框架，能有效提升低空环境综合感知能力，与低空数据特征形成良好适配。
本次讲座重点梳理了联邦学习在低空经济中的四大典型应用场景，包括低空交通流量预测与空域管理、智能物流路径优化与配送、无人机群协同感知与频谱监测、低空安全与入侵检测。通过联邦学习，不同空域管理部门可在保护数据隐私的前提下协同训练流量预测模型。
在未来展望部分，主讲人提出，联邦学习在低空经济的发展将朝着四大方向推进：一是与6G及区块链技术深度融合，依托6G实现空天地一体化智能协同，借助区块链构建激励机制与可信审计体系；二是加快标准化与法规建设，建立统一技术标准，明确数据确权与责任划分；三是支撑低空大模型训练，推动低空经济智能水平从专用任务优化向通用场景适配跨越；四是开展极端环境下的鲁棒性研究，研发抗干扰通信机制、对抗样本攻击防御算法，优化极端天气适应性。
本次专题讲座聚焦前沿技术与新兴产业的融合，清晰梳理了联邦学习在低空经济领域的应用架构、实践场景与发展路径，为相关领域的研究、应用与产业发展提供了重要的思路与参考，让现场听众对低空经济与联邦学习的融合发展有了更全面、深入的认识。
一审一校 | 江荣旺
二审二校 | 刘小飞 闫吉府
三审三校 | 李成名 尹 娜
