公开(公告)号：CN116579009A

公开(公告)日：2023-08-11

申请号：CN202310392570.9

申请日：2023-04-12

Applicant: 同济大学

Inventor： 薛小平 ,  常兴 ,  马竟宵 ,  李澳杰 ,  宋涛 ,  俞雁韬 ,  孙守胜 ,  吴雪雯 ,  蔡强强 ,  马明辰 ,  张雅菲

IPC: G06F21/62 ,  G06N20/00 ,  G06F8/65 ,  G06Q10/0639

Abstract: 本发明涉及一种基于移动感知联邦学习的车联网数据隐私保护方法，本方法从两个方面实现车联网中的数据隐私保护，一方面通过考虑车辆移动特性选择部分合适的车辆参与训练任务，提高模型训练效率，降低系统隐私泄露风险；另一方面通过对车辆上传的信息进行最优噪声扰动增强联邦学习机制自身的隐私保护强度。与现有技术相比，本发明考虑车辆移动性情况，实现在可证明的车辆用户级隐私约束下优化通信开销和学习效率，有效地降低隐私泄露风险，增强FL的隐私保护强度，确保车联网场景中车辆的数据隐私不被泄露，符合车联网场景低时延、高通信效率和隐私保护的需求，具有很高的实用性。