一种通信感知计算一体化网络分布式可信感知方法及系统技术方案

本发明专利技术涉及一种通信感知计算一体化网络分布式可信感知方法及系统，涉及无线感知技术领域，首先将全局模型和初始全局参数传输至各个边缘节点，各边缘节点控制本地数据根据进行本地训练，得到本地模型参数，再通过对应的矿工将本地模型参数广播出去，然后对每个本地模型参数赋予权重计算出全局参数，通过聚合迭代的方式更新全局参数，由于本发明专利技术利用各分布式边缘节点的算力资源和数据资源进行分别计算，从而节省了整体的通信和计算资源，同时本发明专利技术仅使得各边缘节点数据集参与训练，将训练得到的本地模型参数进行广播和后续计算，从而使得各边缘节点的原始数据集不相互暴露，保证了数据安全，有效解决了隐私泄露和数据安全风险的问题。问题。问题。

【技术实现步骤摘要】
一种通信感知计算一体化网络分布式可信感知方法及系统


[0001]本专利技术涉及无线感知
，特别是涉及一种通信感知计算一体化网络分布式可信感知方法及系统。

技术介绍

[0002]随着自动驾驶、工业物联网、智能家居等新兴智能服务的发展，通信感知计算一体化应运而生，其指在信息传递过程中，同步执行信息采集与信息计算的端到端信息处理技术框架。例如，对于在安防场景中的入侵检测，通过使用多个无线节点接收和发送数据，然后对传输的无线信号进行分析，建立深度神经网络模型自动提取无线信号中包含的相关特征，高效率地完成入侵检测任务。传统的集中式的处理方案需要把各个节点收集的数据集中在一个服务器上进行处理，这样做既需要消耗大量的通信和计算资源，还会带来隐私泄露和数据安全风险。
[0003]因此，本领域亟需一种节省通信和计算资源同时防止隐私泄露和保证数据安全的技术方案。

技术实现思路

[0004]本专利技术的目的是提供一种通信感知计算一体化网络分布式可信感知方法及系统，利用各分布式边缘节点的算力资源和数据资源进行分别计算，从而节省了整体的通信和计算资源，同时使得各节点的原始数据集不相互暴露，保证了数据安全，有效解决了隐私泄露和数据安全风险的问题。
[0005]为实现上述目的，本专利技术提供了如下方案：一种通信感知计算一体化网络分布式可信感知方法，所述方法包括：边缘节点获取全局模型和初始全局参数，并利用本地数据对所述全局模型进行本地训练，得到本地模型参数；边缘节点将自己的本地模型参数上传至对应的矿工；每个边缘节点对应一个矿工；每个矿工将接收到的本地模型参数进行存储并广播；接收到广播信息的矿工将接收到的本地模型参数保存至交易池中；当所述矿工的交易池中的本地模型参数超过设定阈值时，所述矿工将交易池中的本地模型参数发送至对应的边缘节点；所述边缘节点根据所述本地模型参数的有效性对接收到的每个本地模型参数以及自身的本地模型参数赋予权重；所述边缘节点根据所述权重将接收到的每个本地模型参数以及自身的本地模型参数进行加权聚合，得到迭代全局参数；矿工将所述迭代全局参数添加至生成的区块中，并对所述迭代全局参数进行广播和数字签名验证；
边缘节点判断所述迭代全局参数是否达到预设条件，若是，则将其作为最终的全局参数，若否，则将其代入所述全局模型，并返回“利用本地数据对所述全局模型进行本地训练，得到本地模型参数”步骤。
[0006]本专利技术还提供了一种通信感知计算一体化网络分布式可信感知系统，所述系统包括：若干个边缘节点和若干个矿工；每个边缘节点对应一个矿工；所述边缘节点用于：获取全局模型和初始全局参数，将初始全局参数代入所述全局模型，并利用本地数据对所述全局模型进行本地训练，得到本地模型参数；将自己的本地模型参数上传至对应的矿工；根据所述本地模型参数的有效性对接收到的每个本地模型参数以及自身的本地模型参数赋予权重；根据所述权重将接收到的每个本地模型参数以及自身的本地模型参数进行加权聚合，得到迭代全局参数；边缘节点判断所述迭代全局参数是否达到预设条件，若是，则将所述迭代全局参数作为最终的全局参数，若否，则将所述迭代全局参数代入所述全局模型，并返回“利用本地数据对所述全局模型进行本地训练，得到本地模型参数”步骤；所述矿工用于：将接收到的本地模型参数进行存储并广播；将接收到的本地模型参数保存至交易池中；当交易池中的本地模型参数超过设定阈值时，将交易池中的本地模型参数发送至对应的边缘节点；将所述迭代全局参数添加至生成的区块中，并对所述迭代全局参数进行广播和数字签名验证。
[0007]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术提供了一种通信感知计算一体化网络分布式可信感知方法及系统，将全局模型和初始全局参数传输至各个边缘节点，各边缘节点利用本地数据进行本地训练，得到本地模型参数，再通过对应的矿工将本地模型参数广播出去，然后对每个本地模型参数赋予权重，通过加权聚合迭代的方式更新全局参数，由于本专利技术利用各分布式节点的算力资源和数据资源进行计算，从而节省了整体的通信和计算资源，同时本专利技术仅使得各边缘节点数据集参与训练，将训练得到的本地模型参数进行广播和后续计算，从而使得各边缘节点的原始数据集不相互暴露，保证了数据安全，有效解决了隐私泄露和数据安全风险的问题。
附图说明
[0008]图1为本专利技术实施例一提供的通信感知计算一体化网络资源分布式可信感知方法流程图。
[0009]图2为本专利技术实施例一提供的对广播信息进行数字签名认证的过程示意图。
[0010]图3为本专利技术实施例一提供的交易信息的Merkle树结构示意图。
具体实施方式
[0011]为了实现通信感知计算一体化网络中感知性能的提升，一方面需要分布式算力协作分担感知计算压力，另一方面需要节点间进行高效的数据通信。然而，边缘设备往往是海量且不可信的，这为通信感知计算一体化网络带来极大的安全隐患。
[0012]针对以上问题，本专利技术提出了一种资源高效的分布式可信感知方案，通过引入联邦学习和区块链的方法，为通信感知计算一体化网络提供资源高效的可信感知网络架构。
[0013]本专利技术的目的是提供一种通信感知计算一体化网络分布式可信感知方法及系统，利用各分布式边缘节点的算力资源和数据资源进行分别计算，从而节省了整体的通信和计算资源，同时使得各节点的原始数据集不相互暴露，保证了数据安全，有效解决了隐私泄露和数据安全风险的问题。
[0014]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0015]实施例一：如图1所示，本实施例提供了一种通信感知计算一体化网络分布式可信感知方法，整个框架可以分为区块链层和计算层两层。在计算层，存在很多相互独立的设备，称为分布式计算节点或边缘节点。边缘节点的集合可以定义为，其中，表示第个边缘节点，表示边缘节点的总数。相较于传统的集中式处理方案只建立一个全局的深度神经网络模型来完成感知计算任务，在本框架中，计算层的每个边缘节点都储存有一个全局的深度神经网络模型的副本，称为本地模型，同时也储存着自己的私有数据集，即本地数据集。边缘节点的本地数据集表示为。本地模型通过本地数据集进行训练，得到本地模型参数。在区块链层，存在很多虚拟的矿工。矿工的集合可以定义为，其中表示第个矿工，表示矿工的总数。计算层的每个边缘节点都虚拟地连接到一个矿工。要求矿工的数量多于边缘节点的数量以便确保每个边缘节点都能够与一个矿工相联系，即。在本地模型完成训练之后，边缘节点将会把本地模型参数上传给对应的矿工。矿工将会把本地模型参数当作交易，进行广播、验证、挖矿等操作。具体来说，本实施例提供的通信感知计算一体化网络资源分布式可信感知方法，具体操作流程为：S1、边缘节点获取全局模型和初始全局参数，将初始全局参数代入所述全局模型，并利用本地数据对所述全局模型进行本地训练，得到本地模型参数。
[0016]本实施例中，首先进行全局模型初始化和下发。首先发布一个深度神经网络模型作为初始的全局本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通信感知计算一体化网络分布式可信感知方法，其特征在于，所述方法包括：边缘节点获取全局模型和初始全局参数，将初始全局参数代入所述全局模型，并利用本地数据对所述全局模型进行本地训练，得到本地模型参数；边缘节点将自己的本地模型参数上传至对应的矿工；每个边缘节点对应一个矿工；每个矿工将接收到的本地模型参数进行存储并广播；接收到广播信息的矿工将接收到的本地模型参数保存至交易池中；当所述矿工的交易池中的本地模型参数超过设定阈值时，所述矿工将交易池中的本地模型参数发送至对应的边缘节点；所述边缘节点根据所述本地模型参数的有效性对接收到的每个本地模型参数以及自身的本地模型参数赋予权重；所述边缘节点根据所述权重将接收到的每个本地模型参数以及自身的本地模型参数进行加权聚合，得到迭代全局参数；矿工将所述迭代全局参数添加至生成的区块中，并对所述迭代全局参数进行广播和数字签名验证；边缘节点判断所述迭代全局参数是否达到预设条件，若是，则将所述迭代全局参数作为最终的全局参数，若否，则将所述迭代全局参数代入所述全局模型，并返回“利用本地数据对所述全局模型进行本地训练，得到本地模型参数”步骤。2.根据权利要求1所述的通信感知计算一体化网络分布式可信感知方法，其特征在于，所述接收到广播信息的矿工将接收到的本地模型参数保存至交易池中，具体包括：接收到广播信息的矿工将所述本地模型参数、生成所述本地模型参数的时间参数、生成所述本地模型参数的边缘节点的参数以及对应的矿工参数打包为交易信息存储至交易池中。3.根据权利要求1所述的通信感知计算一体化网络分布式可信感知方法，其特征在于，在所述每个矿工将接收到的本地模型参数进行存储并广播之后，还包括：对广播信息进行数字签名认证。4.根据权利要求1所述的通信感知计算一体化网络分布式可信感知方法，其特征在于，所述本地模型参数的更新公式为：；其中，表示学习率，i表示第i个边缘节点，表示第i个边缘节点的本地模型参数在第l轮聚合迭代中的第m次本地迭代后的本地模型参数；的表示用本地数据集S
i
计算损失函数f(w
i
,S
i
)对本地模型参数的梯度。5.根据权利要求1所述的通信感知计算一体化网络分布式可信感知方法，其特征在于，所述迭代全局参数的更新公式为：；其中，表示第轮聚合迭代的迭代全局参数，表示第轮聚合迭代的迭代全局参数，为第轮聚合迭代时第个交易信息中的本地模型参数，表示迭代全局参数在第l
‑

【专利技术属性】
技术研发人员：景晓军，张荣辉，景泽轩，解彦曦，崔原豪，穆俊生，张浩，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：