【技术实现步骤摘要】
本专利技术涉及智能交通领域，具体涉及一种基于区块链的车联网联邦学习方法。
技术介绍
1、随着车联网技术的迅速发展，车辆利用越来越先进的传感器和计算设备收集处理大量数据。为了利用多个车辆数据集训练模型同时保护用户的数据隐私，联邦学习被引入到车联网中。车辆之间的数据共享能够增加数据量和覆盖场景，从而提高模型的泛化性能，更好地服务于车辆健康检测、交通拥堵预测等任务。
2、联邦学习被应用于车联网时，会面临安全性和公平性两个方面的问题。安全性方面，恶意的中央服务器可能存在客户端偏见，或者发起投毒攻击来破坏全局模型；恶意的车辆客户端可以相互串通并通过数据投毒或模型投毒破坏协作，最终导致全局模型失效，给车联网的安全性造成极大的风险。公平性方面，不诚实的客户端仅贡献少量数据和计算资源，从而不公平地从车联网协作中获利。这种不公平现象会削弱良性的车辆客户端参与联邦学习的意愿。
技术实现思路
1、针对现有技术的不足，本专利技术提出一种基于区块链的车联网联邦学习方法，具体技术方案如下：
2...
【技术保护点】
1.一种基于区块链的车联网联邦学习方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于区块链的车联网联邦学习方法，其特征在于，所述步骤三包括如下步骤：
3.根据权利要求1所述的基于区块链的车联网联邦学习方法，其特征在于，所述步骤四包括如下子步骤：
4.根据权利要求1所述的基于区块链的车联网联邦学习方法，其特征在于，所述步骤六包括如下子步骤：
5.一种基于区块链的车联网联邦学习系统，其特征在于，包括一个或多个处理器，用于实现权利要求1～4中任一项所述的基于区块链的车联网联邦学习方法。
6.一种计算机可...
【技术特征摘要】
1.一种基于区块链的车联网联邦学习方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于区块链的车联网联邦学习方法，其特征在于，所述步骤三包括如下步骤：
3.根据权利要求1所述的基于区块链的车联网联邦学习方法，其特征在于，所述步骤四包括如下子步骤：
4.根据权利要求1所述的基于区块链的车联网联邦学习方法，...
【专利技术属性】
技术研发人员：张新民，程雨斌，江肖禹，陈博戬，周刊，钱金传，
申请(专利权)人：浙江大学，
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。