一种基于区块链的车联网安全数据共享方法技术

本发明专利技术涉及一种基于区块链的车联网安全数据共享方法，属于移动通信技术领域。首先建立了车联网场景的云

【技术实现步骤摘要】
一种基于区块链的车联网安全数据共享方法


[0001]本专利技术属于移动通信
，涉及一种基于区块链的车联网安全数据共享方法。

技术介绍

[0002]面向车联网智能应用的机器学习任务通常依赖大量车辆的宝贵数据，随着数据的爆炸式增长，数据共享成为提升车辆行驶安全和出行效率的重要技术手段，车辆可以共享基本安全信令与海量应用数据，为车辆提供更丰富的智能服务。数据共享技术使得车辆间可以打破信息孤岛壁垒，大量数据可以被综合分析与处理，极大提高车辆智能服务的质量。
[0003]然而，数据共享技术仍然面临用户隐私问题，且数据共享导致的安全性问题也愈发严重。联邦学习(Federated Learning，FL)是一种新的分布式学习形式，是解决数据共享中数据隐私问题的主要方法，它允许车辆在本地使用隐私数据进行训练，并将模型参数上传到中央服务器进行聚合。联邦学习将车辆间数据共享转化为模型共享，即面向数据的应用进行共享，因此车辆只需要共享模型而非数据本身从而确保自身数据隐私安全。由于基于联邦学习的数据共享架构的分布式和结构特征，可以与区块链技术很好地融合来提供防篡改性和可追溯性等特征，以抵御FL模型遭遇的安全威胁和恶意攻击，如中断、可用性攻击、单点故障和中毒攻击等。
[0004]目前车联网中基于区块链和联邦学习的数据共享应用也存在许多问题：1)在大规模车联网应用中，区块链吞吐量的限制严重影响了数据共享效率；2)传统联邦学习仍然是基于云计算的架构，将大量模型数据远距离传输到云，将导致不可接受的传输和响应延迟；3)车辆由于移动性其传输性能往往是不稳定的，传统同步学习方式会使得模型聚合频繁失败，导致模型训练过程缓慢；4)由于车辆不可预测的移动和资源需求，网络拓扑是时变的，将产生车辆跨区数据迁移的需求；5)恶意用户车辆可以篡改数据或模型影响车辆判断，进而导致严重的交通事故。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种基于区块链的车联网安全数据共享方法，用于解决车联网场景中的大规模安全高效数据共享问题。用户车辆可以通过车载传感器，实时收集道路数据信息，通过该架构共享学习模型用于车联网智能服务，如自动驾驶等。
[0006]为达到上述目的，本专利技术提供如下技术方案：
[0007]一种基于区块链的车联网安全数据共享方法，该方法包括以下步骤：
[0008]S1：云端向边缘网络发起数据共享任务，将初始模型上传至各分区区块链网络；
[0009]S2：数据共享车辆发起数据共享请求以获取当前模型和最优共享策略；
[0010]S3：数据共享车辆从RSUs或BSs获取模型，验证并聚合选择的模型作为待训练模型；
[0011]S4：数据共享车辆使用本地数据集训练S3中获得的模型，得到更新后的全局模型；
[0012]S5：数据共享车辆将S4中全局模型通过RSUs或BSs上传至区块链网络；
[0013]S6：所有数据共享车辆重复步骤S2～S5直到各分区模型收敛。
[0014]可选的，所述S1中，数据共享的网络包括云层、边缘层和终端层；云层，为网络提供AI解决方案，统筹各类数据共享任务；边缘层由路边单元和基站等边缘计算节点组成，为用户层车辆提供通信、计算和存储资源；终端层由参与数据共享的智能车辆组成；
[0015]边缘层被划分为多个分区，每个分区由一个BS和多个RSUs组成，每个分区协同并行处理数据共享任务且独立维护一个区块链以赋能数据共享过程，数据共享以联邦学习的形式进行保证车辆用户的数据隐私；在边缘层采用DAG+PBFT双层区块链架构，以在车联网中实现安全高效的异步联邦学习、边缘可信验证和数据迁移；其中，下层由基于改进型DAG共识的分区区块链构成以实现异步的数据共享，负责分区内交易验证和边缘模型聚合过程，且DAG链由该分区的BS和多个RSUs维护；上层由基于PBFT共识的主区块链构成，负责全局跨区数据迁移的记录和验证，且PBFT链由所有分区的BSs共同维护；分区内RSUs与BS之间通过无线网络连接，组成一个分区的边缘计算网络；分区之间由BSs通过无线网络连接，组成整个边缘层；终端层的数据共享车辆与BSs和RSUs通过无线连接，进行模型数据的共享；数据共享任务分为分区内共享和跨区共享两种，BS负责车辆的跨区共享任务，RSUs负责车辆的分区内共享任务；数据共享的全过程将记录在区块链中。
[0016]可选的，所述S2中，最优共享策略为：
[0017]数据共享车辆首先发起共享请求，请求为分区内共享或跨区共享，若为分区内请求，则车辆将请求发送给本区的RSU；若为跨区请求，则车辆将请求发送给本区和目标分区的BSs；当前时刻所有的请求将被收集发送到BS或云，以计算最优共享策略；将从车辆发起共享任务请求到该任务成功在区块链中被确认的时间跨度，定义为一个共享任务的时延；最优的数据共享策略为使得所有任务的平均总时延最小的精度选择、匹配和通信资源分配策略，如下式所示：
[0018][0019]其中T
v
表示车辆v共享任务的时延，该时延计算由三部分组成：1)车辆本地训练时延，与精度选择相关；2)共享模型上传的通信时延，与车辆移动带来的时变的信道条件相关；3)区块链上链和确认时延，与DAG和PBFT时延相关；车辆v共享任务的时延如下：
[0020][0021]其中和分别表示任务的本地训练、模型上传和区块链上链确认时延；数据共享车辆将从RSUs或BS获取最优的共享策略，同时获取当前Tips，然后将按照获取的共享策略进行本地训练和后续的共享；对于分区内共享，车辆本地训练后，根据共享策略将模型上传至本区的RSU，然后添加到本区DAG中等待被验证；对于跨区共享，车辆本地训练后需要上传至本区BS和目标区BS添加到对应的两个DAG中等待被验证，然后将跨区交易涉及到的所有交易打包上传至上层PBFT链，以全局的记录和验证跨区交易；最终车辆将收到共享成功信息，本轮共享结束。
[0022]可选的，所述分区内共享为：
[0023]每个分区内采用基于DAG的Tangle网络以实现异步数据共享；其中DAG中的每一个
交易都包含一个车辆共享的模型，该模型是这个交易所指向的所有交易中的模型聚合后本地训练更新得到的；即每一个交易在加入到DAG网络时，都会指向一些Tips，然后去验证并聚合其模型进行本地训练；该交易在连接到DAG网络后会成为Tips；
[0024]对于分区内数据共享，车辆从本区RSUs获取当前DAG中的Tips，按照精度权重随机选择2个Tips；然后验证这2个Tips的有效性，并提取其中的模型加权聚合为待训练模型；
[0025][0026]其中C1和C2是表示来自Tips的两个模型的重要性的权重因子；根据得到的最优共享策略使用本地数据集进行训练，如进行一次梯度下降：
[0027][0028]其中α是学习率，F
v
(ω)是车辆v数据集上的损失函数；然后将更新的模型及其选择的Tips打包成交易；最后根据得到的最优共本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区块链的车联网安全数据共享方法，其特征在于：该方法包括以下步骤：S1：云端向边缘网络发起数据共享任务，将初始模型上传至各分区区块链网络；S2：数据共享车辆发起数据共享请求以获取当前模型和最优共享策略；S3：数据共享车辆从RSUs或BSs获取模型，验证并聚合选择的模型作为待训练模型；S4：数据共享车辆使用本地数据集训练S3中获得的模型，得到更新后的全局模型；S5：数据共享车辆将S4中全局模型通过RSUs或BSs上传至区块链网络；S6：所有数据共享车辆重复步骤S2～S5直到各分区模型收敛。2.根据权利要求1所述的一种基于区块链的车联网安全数据共享方法，其特征在于：所述S1中，数据共享的网络包括云层、边缘层和终端层；云层，为网络提供AI解决方案，统筹各类数据共享任务；边缘层由路边单元和基站等边缘计算节点组成，为用户层车辆提供通信、计算和存储资源；终端层由参与数据共享的智能车辆组成；边缘层被划分为多个分区，每个分区由一个BS和多个RSUs组成，每个分区协同并行处理数据共享任务且独立维护一个区块链以赋能数据共享过程，数据共享以联邦学习的形式进行保证车辆用户的数据隐私；在边缘层采用DAG+PBFT双层区块链架构，以在车联网中实现安全高效的异步联邦学习、边缘可信验证和数据迁移；其中，下层由基于改进型DAG共识的分区区块链构成以实现异步的数据共享，负责分区内交易验证和边缘模型聚合过程，且DAG链由该分区的BS和多个RSUs维护；上层由基于PBFT共识的主区块链构成，负责全局跨区数据迁移的记录和验证，且PBFT链由所有分区的BSs共同维护；分区内RSUs与BS之间通过无线网络连接，组成一个分区的边缘计算网络；分区之间由BSs通过无线网络连接，组成整个边缘层；终端层的数据共享车辆与BSs和RSUs通过无线连接，进行模型数据的共享；数据共享任务分为分区内共享和跨区共享两种，BS负责车辆的跨区共享任务，RSUs负责车辆的分区内共享任务；数据共享的全过程将记录在区块链中。3.根据权利要求2所述的一种基于区块链的车联网安全数据共享方法，其特征在于：所述S2中，最优共享策略为：数据共享车辆首先发起共享请求，请求为分区内共享或跨区共享，若为分区内请求，则车辆将请求发送给本区的RSU；若为跨区请求，则车辆将请求发送给本区和目标分区的BSs；当前时刻所有的请求将被收集发送到BS或云，以计算最优共享策略；将从车辆发起共享任务请求到该任务成功在区块链中被确认的时间跨度，定义为一个共享任务的时延；最优的数据共享策略为使得所有任务的平均总时延最小的精度选择、匹配和通信资源分配策略，如下式所示：其中T
v
表示车辆v共享任务的时延，该时延计算由三部分组成：1)车辆本地训练时延，与精度选择相关；2)共享模型上传的通信时延，与车辆移动带来的时变的信道条件相关；3)区块链上链和确认时延，与DAG和PBFT时延相关；车辆v共享任务的时延如下：其中和分别表示任务的本地训练、模型上传和区块链上链确认时
延；数据共享车辆将从RSUs或BS获取最优的共享策略，同时获取当前Tips，然后将按照获取的共享策略进行本地训练和后续的共享；对于分区内共享，车辆本地训练后，根据共享策略将模型上传至本区的RSU，然后添加到本区DAG中等待被验证；对于跨区共享，车辆本地训练后需要上传至本区BS和目标区BS添加到对应的两个DAG中等待被验证，然后将跨区交易涉及到的所有交易打包上传至上层PBFT链，以全局的记录和验证跨区交易；最终车辆将收到共享成功信息，本轮共享结束。4.根据权利要求3所述的一种基于区块链的车联网安全数据共享方法，其特征在于：所述分区内共享为：每个分区内采用基于DAG的Tangle网络以实现异步数据共享；其中DAG中的每一个交易都包含一个车辆共享的模型，该模型是这个交易所指向的所有交易中的模型聚合后本地训练更新得到的；即每一个交易在加入到DAG网络时，都会指向一些Tips，然后去验证并聚合其模型进行本地训练；该交易在连接到DAG网络后会成为Tips；对于分区内数据共享，车辆从本区RSUs获取当前DAG中的Tips，按照精度权重随机选择2个Tips；然后验证这2个Tips的有效性，并提取其中的模型加权聚合为待训练模型；其中C1和C2是表示来自Tips的两个模型的重要性的权重因子；根据得到的最优共享策略使用本地数据集进行训练，如进行一次梯度下降：其中α是学习率，F
v
(ω)是车辆v数据集上的损失函数；然后将更新的模型及其选择的Tips打包成交易；最后根据得到的最优共享策略连接相应的RSU上传交易；RSU将打包该交易，添加交易头信息，然后广播到边缘网络中以上链至本区DAG，等待其他交易的验证；随着新加入交易的不断上链，DAG链不断增长，Tips被验证后逐渐变为可信交易，新加入的交易则补充为Tips等待后续新加入交易的连接；DAG链中Tips中的模型精度会逐渐增加至收敛。5.根据权利要求3所述的一种...

【专利技术属性】
技术研发人员：黄晓舸，尹宏博，吴雨航，王依琪，陈前斌，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：