面向车联网数据隐私保护的高效分布式模型共享策略

• Published in: 通信学报 Vol. 43; no. 4; pp. 83 - 94
• Main Authors: 莫梓嘉, 高志鹏, 杨杨, 林怡静, 孙山, 赵晨
• Format: Journal Article
• Language: Chinese
• Published: 北京邮电大学网络与交换技术国家重点实验室,北京 100876 2022
• Subjects: 区块链;车联网;联邦学习;边缘计算
• ISSN: 1000-436X
• DOI: 10.11959/j.issn.1000?436x.2022074

TP393; 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DPoS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.