一种基于联邦学习的卫星互联网模型安全数据共享方法技术

本发明专利技术公开了一种基于联邦学习的卫星互联网模型安全数据共享方法，首先，基于动态图注意力机制构建自适应的地面移动终端分簇策略，通过分析节点移动规律与通信特征建立时空感知的环形拓扑，为去中心化计算奠定网络基础。其次，开发了模分解混淆加密方案，利用叠加冗余模分量和随机数注入技术实现梯度参数的同态加密，压缩了密文尺寸，并通过分布式私钥管理避免第三方中心依赖。最后，创建多子环并行计算架构，将模分解任务拆分为独立计算单元，基于就近通信原则实现局部模型组合，既消除传统服务器瓶颈，又降低了聚合延时。整个方案通过拓扑层、加密层与计算层的协同设计，在保障数据隐私条件下达成跨域协同训练的可行性与效率平衡。

【技术实现步骤摘要】

本专利技术涉及分布式卫星互联网领域，尤其涉及一种基于联邦学习的卫星互联网模型安全数据共享方法。

技术介绍

1、低轨卫星互联网的广域覆盖特性和异构化组网方式带来的数据隐私和安全挑战。一方面，异构地面移动终端设备(车辆、航空器、高铁等高速移动终端设备)产生的频谱特征信息与通信数据在星间链路或星地跨层传输时，若缺乏星载级端到端加密措施，可能导致第三方攻击者(高轨道中继卫星或静地轨道间谍卫星)通过中间人攻击截获敏感信息；另一方面，受国家频谱主权与轨道资源竞争制约，不同运营商既需维护核心数据资产(如终端位置轨迹与频谱特征)的排他性，又要在星地协同计算框架下实现多源数据的知识融合，这对分布式隐私计算协议的可验证性提出更高要求。研究显示，当地面移动终端通过星间链路向低轨中继卫星转发加密定位数据时，即便采用差分隐私技术，仍存在通过终端移动轨迹与星历数据关联分析反向推断终端位置与通信内容的可能性，凸显了天地一体化网络安全架构中星上动态信任认证机制的必要性。

2、智能驾驶的实现包括感知、决策与执行三个环节，由于地面移动终端侧计算资源有限且处理多模态遥感数据所产生的本文档来自技高网...

【技术保护点】

1.一种基于联邦学习的卫星互联网模型安全数据共享方法，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，基于低轨卫星互联网分布式联邦学习系统，将卫星覆盖区域内的智能联网终端划分为多个终端簇C＝{C1,C2,...,Cm}，簇内n个终端构成环形通信结构；在环形拓扑中，每个终端vi∈Cm,i∈[1,n]有且仅有两个邻居节点，按顺时针方向向下一个邻居发送数据，同时从逆时针方向的上一个邻居接收数据；具体流程包括：

3.根据权利要求1所述的方法，其特征在于，网络中的终端节点分布在不同的地理位置，并进行动态移动，每个终端节点的状态通过特征向量表示即hi＝[xi,y...

【技术特征摘要】

1.一种基于联邦学习的卫星互联网模型安全数据共享方法，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，基于低轨卫星互联网分布式联邦学习系统，将卫星覆盖区域内的智能联网终端划分为多个终端簇c＝{c1,c2,...,cm}，簇内n个终端构成环形通信结构；在环形拓扑中，每个终端vi∈cm,i∈[1,n]有且仅有两个邻居节点，按顺时针方向向下一个邻居发送数据，同时从逆时针方向的上一个邻居接收数据；具体流程包括：

3.根据权利要求1所述的方法，其特征在于，网络中的终端节点分布在不同的地理位置，并进行动态移动，每个终端节点的状态通过特征向量表示即hi＝[xi,yi,υi,θi]；其中(xi,yi)为终端所在位置，υi为终端当前行驶速度，θi为航向角，终端vi与终端vj之间的距离使用欧氏距离表示为终端均配备无线通信模块，并基于v2v技术与周围终端交换信息；终端之间的通信延迟表示为：

4.根据权利要求1所述的方法，其特征在于，对每个终端节点的状态特征向量hi＝[xi,...

【专利技术属性】
技术研发人员：郭超，张慧杰，韩妍妍，张昕，林慕清，代雨航，
申请(专利权)人：北京电子科技学院，
类型：发明
国别省市：