面向车联网数据隐私保护的高效分布式模型共享策略OA北大核心CSTPCD
针对车联网隐私数据共享面临的效率问题,提出了基于区块链的高效分布式模型共享策略。针对车联网场景下多实体、多角色的数据共享需求,通过在车辆、路边单元和基站之间构建主从链架构,实现了分布式模型安全共享;提出了基于激励机制的异步联邦学习算法,以激励车辆及路边单元参与优化过程;构造了混合PBFT的改进DPo S共识算法来降低通信成本、提高共识效率。实验分析表明,所提机制能够提高数据共享效率,并具有一定的可扩展性。
莫梓嘉;高志鹏;杨杨;林怡静;孙山;赵晨
北京邮电大学网络与交换技术国家重点实验室,北京100876北京邮电大学网络与交换技术国家重点实验室,北京100876北京邮电大学网络与交换技术国家重点实验室,北京100876北京邮电大学网络与交换技术国家重点实验室,北京100876北京邮电大学网络与交换技术国家重点实验室,北京100876北京邮电大学网络与交换技术国家重点实验室,北京100876
信息技术与安全科学
区块链车联网联邦学习边缘计算
《通信学报》 2022 (4)
P.83-94,12
评论