【技术实现步骤摘要】
本说明书涉及区块链、联邦学习，尤其涉及一种基于区块链的车联网去中心化联邦学习方法。
技术介绍
1、车辆的数据，如行驶数据、行车路线、运行参数、维修信息及用户驾驶习惯可以帮助服务供应商提升服务质量、驾驶体验及驾驶安全性等。然而，这些数据包含隐私信息，直接共享会伤害用户利益，甚至可能造成生命威胁。联邦学习革命性地打通“数据孤岛”，在保证各个参与方的数据不出本地的情况下，使得多个参与方共同训练一个共享的全局模型，从而在保证隐私的前提下有效解决数据孤岛问题，实现数据自身价值。然而，车联网中联邦学习的部署存在诸多困难：
2、(1)存在信任问题。目前主流的联邦学习框架大多是中心式的，即有多个参与方和一个中心服务器。中心服务器用于协调训练过程，包括参与方选择、模型同步、收集并聚合参与方上传的模型参数进行模型更新等。中心服务器端的模型可能遭受直接篡改，影响最终的训练模型。另外，中心服务器拥有所有参与方的数据信息，一旦受到恶意攻击，可能泄露用户隐私或模型隐私。
3、(2)存在效率问题。车辆上越来越多的传感器，如摄像头、雷达、gps...
【技术保护点】
1.一种基于区块链的车联网去中心化联邦学习方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，根据所述训练任务以及各参与节点的分布情况，从所述各参与节点中确定若干初始节点，具体包括：
3.如权利要求1所述的方法，其特征在于，所述邻近节点将接收到的模型与本地存储的模型进行融合，具体包括：
4.如权利要求1所述的方法，其特征在于，将通过质量检测的模型共识上链，具体包括：
5.如权利要求1所述的方法，其特征在于，通过预设的智能合约，每隔设定时长，从区块链中抽取出当前时间对应的更新后模型进行聚合，具体包括：
...【技术特征摘要】
1.一种基于区块链的车联网去中心化联邦学习方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，根据所述训练任务以及各参与节点的分布情况，从所述各参与节点中确定若干初始节点，具体包括：
3.如权利要求1所述的方法，其特征在于，所述邻近节点将接收到的模型与本地存储的模型进行融合，具体包括：
4.如权利要求1所述的方法，其特征在于，将通过质量检测的模型共识上链，具体包括：
5.如权利要求1所述的方法，其特征在于，通过预设的智能合约，每隔设定时长，从区块链中抽取出当前时间对应的更新后模型进行聚合，具体包括：
【专利技术属性】
技术研发人员：刘恬，申大坤，王之宇，白冰，张兴明，张音捷，黎海燕，韩孟玲，范逸飞，
申请(专利权)人：之江实验室，
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。