关于车联网联邦学习中可信信誉管理方法的研究OA
联邦学习由于其分布式、隐私保护等特点有望应用到车联网中,然而由于缺少相应的本地模型质量验证机制,全局模型容易受到恶意用户的攻击从而导致模型训练的准确率降低。提出一种车联网中分层区块链使能的联邦学习信誉管理架构。首先介绍整个架构的组成以及具体的工作流程,然后设计智能合约为系统提供更加灵活可信的信誉意见共享环境,并开发一种轻量级的区块链共识算法,以提升区块链的运行效率。仿真结果表明所提方法能够筛选出恶意用户,同时保证数据隐私和安全,从而提高FL的准确性。
周灵灵;付宇钏;李长乐
西安电子科技大学空天地一体化综合业务网全国重点实验室,陕西西安710071西安电子科技大学空天地一体化综合业务网全国重点实验室,陕西西安710071西安电子科技大学空天地一体化综合业务网全国重点实验室,陕西西安710071
电子信息工程
联邦学习车联网信誉管理
《移动通信》 2023 (10)
P.32-37,57,7
国家自然科学基金重点项目“车联网通感算一体化理论与方法”(62231020)。
评论