-
公开(公告)号：CN118840860A
公开(公告)日：2024-10-25
申请号：CN202410864126.7
申请日：2024-06-30
Applicant: 重庆交通大学
IPC: G08G1/01 , G06Q10/04 , G06Q50/40 , G06F18/213 , G06F16/29 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/098 , G06F21/62 , G06F123/02
Abstract: 本发明公开了一种基于联邦学习和图神经网络的交通流量预测方法，包括：对交通流量预测的全局模型进行初始化，并将全局模型的参数发送给各个客户端；各个客户端将局部模型参数替换为获取的全局模型参数，进而获取本地的交通流量数据来训练局部模型；各个客户端通过差分隐私技术对局部模型参数加入噪声，然后进行上传；聚合各个客户端上传的局部模型参数，使用平均池化操作得到新的全局模型，进而将更新后的全局模型参数发送给各个客户端，不断更新全局模型直至收敛或达到最大迭代次数；将前M个时间点的交通流量输入训练好的全局模型中输出未来N个时间点的交通流量预测值。本发明能够实现交通流数据的隐私保护并提高交通流预测的精度。
-
公开(公告)号：CN119202410A
公开(公告)日：2024-12-27
申请号：CN202411351480.6
申请日：2024-09-26
Applicant: 重庆交通大学
IPC: G06F16/9537 , G06F21/60 , G06F21/62
Abstract: 本发明公开了一种零信任环境下基于NTRU算法和不经意传输的LBS信息检索方法，包括：服务器将目标区域划分为若干个区块并分配对应的索引；服务器将每个区块的所有兴趣点数据打包为数据集，通过对称加密算法生成加密密钥对数据集进行加密后通过不经意传输的方式存储到路边单元；目标车辆通过NTRU算法生成私钥和公钥；目标车辆根据需要查询的索引从路边单元获取对应的数据集密文；目标车辆对索引进行拆解和公钥加密后，通过不经意传输的方式发送给服务器；服务器通过密文数据计算响应密文并返回给目标车辆；目标车辆通过私钥和响应密文计算加密密钥的对称密钥来解密数据集密文得到对应的兴趣点数据明文。本发明有效平衡了用户隐私需求和LBS服务质量。
-
公开(公告)号：CN119150318A
公开(公告)日：2024-12-17
申请号：CN202411176172.4
申请日：2024-08-26
Applicant: 重庆交通大学
Abstract: 本发明公开了一种面向零信任车联网数据隐私保护的纵向联邦学习方法，包括：分别获取作为主动方的主动车辆和作为被动方的被动车辆的用户ID集；主动车辆基于部分同态加密的同态转换方案分别与各个被动车辆进行数据对齐得到若干个用户ID交集；根据用户ID交集选取对应的用户数据来构建对应的本地数据集，一个用户ID交集对应一个本地数据集；主动车辆依次通过各个本地数据集训练自身及对应被动车辆的本地模型。本发明通过基于部分同态加密的同态转换方案实现数据对齐，从而提高数据对齐的通信安全性和执行效率；同时构造激活函数来避免因Paillier加密导致的激活函数泰勒展开，从而提高模型的准确率。
-
公开(公告)号：CN119030682A
公开(公告)日：2024-11-26
申请号：CN202410973379.8
申请日：2024-07-19
Applicant: 重庆交通大学
Abstract: 本发明公开了一种零信任下基于隐私加密数据去重的车联网联邦学习方法，包括：各个车辆获取云端下发的全局模型参数，并更新本地模型的参数；各个车辆基于CSP和DLP的非对称同态加密算法对路边设备采集的数据进行数据去重；各个车辆接收路边设备上传的数据并将数据加入至本地数据集；各个车辆通过本地数据对本地模型进行训练；各个车辆将训练好的本地模型参数上传至云端，供云端通过聚合各个车辆的本地模型参数来更新全局模型参数；重复迭代训练，直至全局模型收敛或达到预设迭代次数。本发明在零信任构架和联邦学习框架下，通过CSP和DLP的非对称同态加密算法进行数据去重，保证联邦学习过程中模型训练的有效性，并减少数据传输、存储和处理的负担。
-
-
-
Search Results
4
records
(took 0.023 seconds)
