【技术实现步骤摘要】
本专利技术涉及无人机，特别涉及一种基于区块链的无人机联邦学习的梯度选择方法。
技术介绍
1、联邦学习(federated learning)是一种新兴的分布式机器学习方法。与传统分布式机器学习不同的是联邦学习需要一种去中心化分布系统来保证基站的隐私安全，在保障数据安全和交换、训练效率前提下进行有效的机器学习。区块链凭借其匿名、不可篡改、分布式等特征，在多个不可信的参与方之间，提供了一种安全可靠的解决方案。通过共识机制、智能合约等，在多个不可信的分布式参与方之间，保证链数据的可靠性。所以，区块链可以为联邦学习的数据交换提供数据保密性来对基站隐私进行保障，保证各参与方之间的数据安全，也可以保证多参与方提供数据进行模型训练的数据一致性。区块链的价值驱动激励机制也能够增加各参与方之间提供数据、更新网络模型参数的积极性。
2、然而，将联邦学习、区块链、边缘计算相结合的机器学习模型训练，应用于由无人机终端设备和基站边缘节点构成的无线网络时，仍存在以下问题：当非法无人机终端设备在本地训练时发起投毒攻击时，基站边缘节点无法甄别出非法无人机终...
【技术保护点】
1.一种基于区块链的无人机联邦学习的梯度选择方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基站边缘节点收到每个无人机终端设备上传的模型梯度后，对每个无人机终端设备进行系统身份认证包括：
3.根据权利要求2所述的方法，其特征在于，所述基站边缘节点对每个通过系统身份认证的无人机终端设备进行梯度异常检测，确定每个通过系统身份认证的无人机终端设备上传的模型梯度是异常模型梯度或正常模型梯度包括：
4.根据权利要求3所述的方法，其特征在于，所述RCF异常检测算法包括：
5.根据权利要求4所述的方法，其特征在...
【技术特征摘要】
1.一种基于区块链的无人机联邦学习的梯度选择方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基站边缘节点收到每个无人机终端设备上传的模型梯度后，对每个无人机终端设备进行系统身份认证包括：
3.根据权利要求2所述的方法，其特征在于，所述基站边缘节点对每个通过系统身份认证的无人机终端设备进行梯度异常检测，确定每个通过系统身份认证的无人机终端设备上传的模型梯度是异常模型梯度或正常模型梯度包括：
4.根据权利要求3所述的方法，其特征在于，所述rcf异常检测算法包括：
5.根据权利要求4所述的方法，其特征在于，所述基站边缘节点上传部分正常模型梯度至区块链包括：
6.根据权利要求4...
【专利技术属性】
技术研发人员：朱朝阳，朱晓，覃团发，张振荣，葛志辉，万海斌，
申请(专利权)人：广西大学，
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。