【技术实现步骤摘要】
本专利技术属于智能交通系统数据隐私保护，具体是涉及一种基于分布式同态加密的交通流量联邦安全预测方法。
技术介绍
1、随着城市化进程的加速和交通流量的日益增长，交通流量预测已经成为智能交通系统（its）中的关键任务之一。准确的交通流量预测能够有效提升交通资源的管理效率，缓解交通拥堵并优化出行路径。传统的交通流量预测方法大多依赖于集中式数据处理，存在数据隐私泄露、单点故障和计算成本高昂等问题。
2、车路云协同（vrcc）作为一种新兴的智能交通技术架构，旨在通过车辆、路侧单元（rsu）和云端的协同作用，提升交通数据采集与处理能力。车路云架构中的车辆节点负责实时数据采集，路侧单元负责初步的边缘计算和数据传输，而云端节点负责交通流量预测模型的训练与优化。尽管车路云协同框架大大提高了交通流量预测的实时性和精度，但仍然面临以下挑战：数据隐私保护不足，由于数据需要上传至云端，涉及的敏感信息可能会泄露，尤其是在没有加密保护的情况。
3、联邦学习（fl）是一种新型分布式机器学习方法。在联邦学习框架中，各参与节点仅上传模型参数的更新，...
【技术保护点】
1.一种基于分布式同态加密的交通流量联邦安全预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于分布式同态加密的交通流量联邦安全预测方法，其特征在于，步骤2具体为：
3.根据权利要求2所述的一种基于分布式同态加密的交通流量联邦安全预测方法，其特征在于，步骤2-2具体为：
4.根据权利要求3所述的一种基于分布式同态加密的交通流量联邦安全预测方法，其特征在于，步骤2-3具体为：
5.根据权利要求4所述的一种基于分布式同态加密的交通流量联邦安全预测方法，其特征在于，步骤2-4具体为：
6.根据权利...
【技术特征摘要】
1.一种基于分布式同态加密的交通流量联邦安全预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于分布式同态加密的交通流量联邦安全预测方法，其特征在于，步骤2具体为：
3.根据权利要求2所述的一种基于分布式同态加密的交通流量联邦安全预测方法，其特征在于，步骤2-2具体为：
4.根据权利要求3所述的一种基于分布式同态加密的交通流量联邦安全预测方法，其特征在于，步骤2-3具体为...
【专利技术属性】
技术研发人员：张海涛，许杨，范洁铃，任仕雨，陈德良，杨柳，葛雨轩，靳铁军，李金金，
申请(专利权)人：南京邮电大学，
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。