公开(公告)号：CN119961799A

公开(公告)日：2025-05-09

申请号：CN202411779737.8

申请日：2024-12-05

Applicant: 北京邮电大学

Inventor： 喻鹏 ,  王亚旭 ,  谭灿 ,  方宏林 ,  丰雷 ,  周凡钦 ,  李文璟

IPC: G06F18/2431 ,  G06N3/098 ,  G06Q50/40

Abstract: 一种基于孤立森林算法的联邦学习异常点识别及相关设备，涉及车联网技术领域。其中，方法应用于路边单元设备，所述路边单元设备与至少一个车辆通信连接，包括：获取全局模型的训练参数，所述全局模型通过联邦学习训练；将所述训练参数发送至各所述车辆，所述训练参数用于结合车辆的本地数据得到车辆梯度；获取所述车辆梯度，基于孤立森立算法确定各所述车辆梯度对应的声誉分，所述声誉分表征所述车辆在所述全局模型进行联邦学习过程中的评分指标；将所述声誉分小于阈值对应的车辆确定为异常点。实施本申请提供的技术方案，能够更好地适应车联网环境下数据分布的动态变化特性，有效提高了异常点识别的准确性，避免了由于采用固定阈值而导致的误判问题。