دکتر محمد دوستی زاده نشریه علمی-تخصصی دستاوردهای نوین در برق،کامپیوتر و فناوری 5 17 2025 11 22 Federated Analytics in Edge Networks: Privacy-Preserving Insights from Distributed Data تحلیل فدرال در شبکه‌های لبه: بینش‌های حفظ حریم خصوصی از داده‌های توزیع‌شده 84 93 10.22051/jera.2021.31891.2698 FA محمدسینا گروه کامپیوتر، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران محمدمهدی گروه کامپیوتر، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران 2025 11 12 The global digital data has grown significantly and distributed very widely over the years mainly owing to the quick acceptance of Internet of Things and the edge computing technology. This development, however, points at the necessity of frameworks that will guarantee the security of the data. The review paper will present an exhaustive analysis of federated analytics in edge networks, particularly concerning the issue of data privacy preservation. Thus, the main advantage of this research is maintaining a balance between data utility and privacy in places having very strict regulations like General Data Protection Regulation . The paper intends and targets to identify and discuss the different methods of privacy-preserving federated analytics, especially those of Differential Privacy, Secure Multi-Party Computation, and Secure Aggregation. The research results suggest that data compression and encryption in an area with weak bandwidth is the best method. However, the problem of data heterogeneity and communication overhead are still the concerns in federated analytics. The current paper also discusses the future direction of the research enhancing the communication between edges, dealing with both statistical and system heterogeneity, and establishing a common metric for measuring federated systems. با گسترش سریع اینترنت اشیا و رایانش لبه، حجم داده‌های توزیع‌شده به‌صورت چشمگیری افزایش‌یافته است؛ موضوعی که ضرورت توسعة چارچوب‌های تحلیلی با حفظ حریم خصوصی را برجسته می‌کند. این مقاله مروری، به بررسی جامع تحلیل فدرال در شبکه‌های لبه با تمرکز بر حفظ حریم خصوصی داده‌ها می‌پردازد. انگیزة اصلی این پژوهش، نیاز به ایجاد تعادل میان کارایی داده و حفاظت از حریم خصوصی در شرایطی است که مقررات سخت‌گیرانه‌ای مانند مقررات عمومی حفاظت از داده‌ها در حال اجرا هستند. هدف مقاله، تبیین و تحلیل روش‌های کلیدی حفظ حریم خصوصی در چارچوب تحلیل فدرال است که شامل حریم خصوصی تفاضلی محاسبة چندجانبة امن و تجمیع رمزنگاری شده می‌شود. یافته‌های این مطالعه نشان می‌دهد که ترکیب فشرده‌سازی مدل با رمزنگاری سبک مؤثرترین راهکار برای محیط‌های با پهنای باند محدود است. بااین‌حال، ناهمگنی داده‌ها و سربار ارتباطی بالا همچنان از مهم‌ترین چالش‌های باقی‌مانده در پیاده‌سازی گستردة تحلیل فدرال محسوب می‌شوند. در پایان، مقاله بر چشم‌اندازهای پژوهشی آینده تمرکز دارد که شامل بهینه‌سازی ارتباطات میان‌گره‌های لبه، مدیریت ناهمگنی آماری و سیستمی و ایجاد معیارهای استاندارد برای ارزیابی عملکرد سیستم‌های فدرال است. /downloadfilepdf/2247254