【技术实现步骤摘要】
本专利技术涉及自动驾驶领域，尤其涉及一种车辆仿真模型联合训练方法、系统、设备及存储介质。
技术介绍
1、自动驾驶在激光雷达、高精度地图、高精度定位、云平台及大数据、仿真测试等核心技术上有不少突破，对于涉及自动驾驶车辆数据的仿真任务，为了更高精度，往往需要足够多的样本且样本质量足够好，但在真实场景中，车辆数据是散落在各地的，数据来源和属主不同，利益不同，无法直接共享本地数据，联合学习能较好地解决这种问题。
2、车辆数据联合训练的场景中，往往搭建一个分布式仿真平台或服务器用于执行仿真任务，这些任务的数据可能来自不同属地的车辆原始数据，联合学习有助于打破车路协同的数据孤岛，实现高效的模型训练。但是对数据隐私的保护是一大挑战，大部分用户并不愿意把自己的行驶数据、驾驶数据等敏感数据被采集上传至服务器，参与训练的节点上传的数据在参数交互过程中涉及隐私泄露问题，如何保证不泄露原始数据，仅通过交互模型的中间参数进行模型联合训练是需要解决的问题。另外，不可避免地存在恶意的参与方试图获取其他参与方的私密数据或破坏仿真计算过程的完整性。
技术实现思路
1、基于此，本专利技术提供一种车辆仿真模型联合训练方法、系统、设备及存储介质，使用不同参与方计算的中间数据计算模型参数，把参数返回至参与方完成联合训练，并加强数据交互过程的数据隐私保护。
2、第一方面，本专利技术提供一种车辆仿真模型联合训练方法，在服务器执行，包括：
3、生成密钥信息；
4、根据车辆标识信息和
5、分享子密钥至各参与方用于重构密钥；
6、接收参与方返回的加密模型参数，加密模型参数由参与方使用密钥加密；
7、对各参与方返回的加密模型参数执行聚合操作，计算加密聚合结果；
8、向各参与方下发加密聚合结果，用于模型的更新迭代。
9、进一步地，生成密钥信息包括：
10、执行paillier密码系统的keygen算法生成公私钥对。
11、进一步地，秘密分享方案采用shamir秘密分享算法。
12、进一步地，根据车辆标识信息和密钥信息通过shamir秘密分享算法生成子密钥的过程包括：
13、确定子密钥持有量和门限值；
14、创建多项式；
15、利用多项式把车辆标识信息映射为多项式值，多项式值按车辆编号顺序组成多项式值列表，多项式值列表被下发至各参与方用于重构密钥。
16、进一步地，上述生成子密钥的过程包括：
17、设服务器持有n个车辆标识信息，确定子密钥持有量为2n，门限值为k，创建k+2阶多项式，素数p隐藏为多项式的常数项系数，素数q隐藏为多项式的一次项系数；
18、利用多项式把车辆标识信息映射为n个多项式值作为有效值，计算n个多项式值的n个孪生点值作为无效值；
19、n个有效值和n个无效值按车辆编号顺序组成多项式值列表，列表长度为2n，多项式值列表被下发至各参与方用于还原多项式得到素数p和q以重构密钥。
20、进一步地，利用多项式把车辆标识信息映射为多项式值包括：
21、利用哈希算法生成与车辆标识信息对应的多项式变量值；
22、把多项式变量值代入多项式计算与车辆标识信息对应的多项式值。
23、进一步地，计算n个孪生点值作为无效值包括：
24、取n个多项式值yi中的绝对值最大值ymax＝max(|yi|)，i＝1,2,...,n；
25、对于每个多项式值yi，计算random(-2ymax,2ymax)作为其孪生点值。
26、进一步地，接收参与方返回的加密模型参数包括：
27、接收参与方返回的加密中间梯度。
28、进一步地，对各参与方返回的加密模型参数执行聚合操作包括：
29、利用paillier密码系统的同态性质对各参与方返回的加密中间梯度执行聚合操作，计算加密梯度聚合结果。
30、第二方面，本专利技术提供一种车辆仿真模型联合训练方法，在参与方执行，包括：
31、接收服务器分享的子密钥，子密钥由服务器根据车辆标识信息和密钥信息通过秘密分享方案生成；
32、利用持有的车辆标识信息和子密钥通过ransac算法重构密钥；
33、训练局部模型并使用密钥对计算的模型参数加密；
34、发送加密模型参数至服务器；
35、接收服务器返回的加密聚合结果；
36、利用密钥对加密聚合结果解密，根据解密结果对局部模型更新迭代。
37、进一步地，接收服务器分享的子密钥包括：
38、接收服务器分享的多项式值列表，多项式值列表由服务器利用shamir秘密分享算法生成。
39、进一步地，利用持有的车辆标识信息和子密钥通过ransac算法重构密钥包括：
40、把持有的车辆标识信息映射为中间变量；
41、根据车辆编号在多项式值列表中查询与中间变量对应的列表值，中间变量与对应的列表值构成平面上的点；
42、利用上述点通过ransac算法拟合重建多项式；
43、根据拟合重建的多项式得到密钥信息用于重构密钥。
44、进一步地，上述重构密钥的过程包括：
45、设参与方持有s个车辆标识信息，把s个车辆标识信息映射为s个中间变量；
46、根据车辆编号在长度为2n的多项式值列表中查询与s个中间变量对应的s个有效值和s个无效值，s个中间变量与对应的s个有效值和s个无效值构成平面上2s个点；
47、利用2s个点通过ransac算法拟合重建多项式；
48、依据多项式的常数项系数和一次项系数得到素数p和q；
49、执行paillier密码系统的keygen算法，根据素数p和q计算密钥。
50、进一步地，把本地持有的车辆标识信息映射为中间变量包括：
51、利用哈希算法生成与车辆标识信息对应的中间变量。
52、进一步地，训练局部模型包括：
53、从本地数据中加载训练数据集用于模型训练；
54、把训练数据集输入局部模型计算预测结果；
55、根据预测结果和训练数据集的真实值计算损失函数值；
56、根据损失函数值进行反向传播计算中间梯度。
57、进一步地，利用密钥对加密聚合结果解密，根据解密结果对局部模型更新迭代包括：
58、执行paillier密码系统的解密算法，利用密钥对加密聚合结果解密得到原始梯度，利用原始梯度对局部模型更新迭代。
59、第三方面，本专利技术提供一种车辆仿真模型联合训练系统，包括服务器和若干参与方；
60、服务器执行上述第一方面的车辆仿真模型联合训练方法，参与方执行上述第二方面的车辆仿真模型联合训练方本文档来自技高网...
【技术保护点】
1.一种车辆仿真模型联合训练方法，其特征在于，在服务器执行，包括：
2.根据权利要求1所述的车辆仿真模型联合训练方法，其特征在于，所述秘密分享方案采用Shamir秘密分享算法。
3.根据权利要求2所述的车辆仿真模型联合训练方法，其特征在于，通过所述Shamir秘密分享算法生成所述子密钥的过程包括：
4.根据权利要求3所述的车辆仿真模型联合训练方法，其特征在于，利用所述多项式把车辆标识信息映射为n个多项式值作为有效值包括：
5.根据权利要求3所述的车辆仿真模型联合训练方法，其特征在于，所述n个孪生点值的计算包括：
6.根据权利要求1所述的车辆仿真模型联合训练方法，其特征在于，所述对所述参与方返回的加密模型参数执行聚合操作，计算加密聚合结果包括：
7.一种车辆仿真模型联合训练方法，其特征在于，在参与方执行，包括：
8.根据权利要求7所述的车辆仿真模型联合训练方法，其特征在于，所述接收服务器分享的子密钥包括：
9.根据权利要求7所述的车辆仿真模型联合训练方法，其特征在于，所述通过RANSAC
10.根据权利要求9所述的车辆仿真模型联合训练方法，其特征在于，所述把s个车辆标识信息映射为s个中间变量包括：
11.一种车辆仿真模型联合训练系统，其特征在于，包括服务器和若干参与方；
12.一种电子设备，其特征在于，包括存储器和处理器；
13.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1～6和/或权利要求7～10任一项所述的车辆仿真模型联合训练方法。
...【技术特征摘要】
1.一种车辆仿真模型联合训练方法，其特征在于，在服务器执行，包括：
2.根据权利要求1所述的车辆仿真模型联合训练方法，其特征在于，所述秘密分享方案采用shamir秘密分享算法。
3.根据权利要求2所述的车辆仿真模型联合训练方法，其特征在于，通过所述shamir秘密分享算法生成所述子密钥的过程包括：
4.根据权利要求3所述的车辆仿真模型联合训练方法，其特征在于，利用所述多项式把车辆标识信息映射为n个多项式值作为有效值包括：
5.根据权利要求3所述的车辆仿真模型联合训练方法，其特征在于，所述n个孪生点值的计算包括：
6.根据权利要求1所述的车辆仿真模型联合训练方法，其特征在于，所述对所述参与方返回的加密模型参数执行聚合操作，计算加密聚合结果包括：
7.一种车辆仿真...
【专利技术属性】
技术研发人员：熊兴宇，
申请(专利权)人：广州文远知行科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。