【技术实现步骤摘要】
本专利技术属于联邦学习和车联网交叉，具体涉及一种车联网中实现轻量化隐私保护的异步联邦学习方法。
技术介绍
1、近年来，凭借物联网技术，车联网已经成为智慧城市的关键一环，使人们生活变得更加便利。在车联网中，各种智能车辆或交通基础设施可以收集大量数据，包括交通流量、驾驶行为、道路条件等。联邦学习作为一种分布式机器学习算法，它允许参与者在不泄露个人隐私的情况下共同训练机器学习模型。为了提高车联网的性能，同时考虑到对车辆数据的隐私保护，联邦学习被应用到车联网领域中来，它有着广泛的应用前景，在预测和优化交通流量、辅助自动驾驶系统、提高车辆安全性和节能减排等方面都有着广泛的应用。
2、在传统的联邦学习中，路边计算单元(rsu)需要等待所有车辆完成局部模型上传之后，才能进行全局模型聚合，但由于车辆本地数据大小不同和计算能力不同，其本地训练时间也不一样，而且车辆位置和速度的差异也会导致传输时延的不同，所以不同车辆对全局聚合的影响也不同。为了解决这个问题，人们开始在车联网中引入了异步联邦学习，但现有的车联网中的联邦学习方案大部分仍然集中在同步...
【技术保护点】
1.一种在车联网环境中的轻量的保护隐私的异步聚合方法，其特征在于，包括如下步骤：
2.根据权利要求1所述在车联网环境中的轻量的保护隐私的异步聚合方法，其特征在于，步骤1的具体过程为：
3.根据权利要求2所述在车联网环境中的轻量的保护隐私的异步聚合方法，其特征在于，所述车辆发送的秘钥为基站发送的秘钥为计算出的共享秘钥为
4.根据权利要求3所述在车联网环境中的轻量的保护隐私的异步聚合方法，其特征在于，所述随机数的生成为：采用共享秘钥和本次训练轮次作为种子，利用随机数生成器生成随机数。
5.根据权利要求4所述在车联网环境中的轻...
【技术特征摘要】
1.一种在车联网环境中的轻量的保护隐私的异步聚合方法，其特征在于，包括如下步骤：
2.根据权利要求1所述在车联网环境中的轻量的保护隐私的异步聚合方法，其特征在于，步骤1的具体过程为：
3.根据权利要求2所述在车联网环境中的轻量的保护隐私的异步聚合方法，其特征在于，所述车辆发送的秘钥为基站发送的秘钥为计算出的共享秘钥为
4.根据权利要求3所述在车联网环境中的轻量的保护隐私的异步聚合方法，其特征在于，所述随机数的生成为：采用共享秘钥和本次训练轮次作为种子，利用随机数生成器生成随机数。
5.根据权利要求4所述在车联网环境中的轻量的保护隐私的异步聚合方法，其特征在于，所述种子为keyi+ti，keyi为共享密钥，ti为训练轮次。
...
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。