[發明專利]基于車聯網的聯邦學習方法、路邊單元、車輛節點和基站

在審

• 申請號: 202210007360.9
• 申請日: 2022-01-04
• 公開（公告）號: CN114492739A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 高志鵬;莫梓嘉;楊楊;劉立民
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06N20/20;G06Q40/04;G06F21/64;H04L67/12
• 代理公司: 北京金咨知識產權代理有限公司 11612
• 代理人: 宋教花

本申請提供基于車聯網的聯邦學習方法、路邊單元、車輛節點和基站，方法包括：在主從多鏈的車聯網系統中接收自身當前所屬的從鏈中的各個車輛節點發送的第一交易數據，根據各個第一交易數據分別獲取預存儲在對應的各個車輛節點本地的模型訓練數據；對各個模型訓練數據進行全局聚合及共識處理以生成第二交易數據；自主從多鏈的車聯網系統中將第二交易數據發送至自身所屬的主鏈中的基站，以使該基站根據接收到的各個第二交易數據聚合得到對應的聯邦學習全局模型。本申請能夠在增強車輛數據的安全共享和隱私保護的同時，有效避免單點故障并降低通信消耗及成本，并能夠提高采用車聯網進行聯邦學習過程中的通信效率，實現高效的分布式模型共享。

技術領域

本申請涉及聯邦學習技術領域，尤其涉及基于車聯網的聯邦學習方法、路邊單元、車輛節點和基站。

背景技術

在人工智能的發展過程中，聯邦學習成為車聯網數據共享研究的重點。聯邦學習通過將訓練數據分布在移動設備上，中心服務器通過聚合本地計算的模型參數更新的方式來訓練模型，從而將數據共享問題轉化為模型共享問題。在聯邦學習模型參數上傳的過程中，如何提供激勵機制以提升整體學習效率是一個具有挑戰性的問題。

目前，現有的聯邦學習方式可以為：路測單元選定訓練任務并將模型參數發送至建立有通信連接的各車輛，各車輛使用本地數據對接收到的任務模型參數，在本地訓練后上傳至路測單元，路測單元通過全局聚合將生成的新參數返回至各車輛。該方式并沒有考慮到路測單元的可靠性，該方法對單點故障及通信傳輸安全問題并沒有對應措施，且由于車輛數量的增加和無線帶寬的限制，通信效率成為該場景中進行大規模數據共享的瓶頸之一。

也就是說，現有的聯邦學習方法存在無法滿足數據安全及隱私保護要求、通信消耗高且通信效率低等問題。

發明內容

鑒于此，本申請實施例提供了基于車聯網的聯邦學習方法、路邊單元、車輛節點和基站，以消除或改善現有技術中存在的一個或更多個缺陷。

本申請的一個方面提供了一種基于車聯網的聯邦學習方法，包括：

在主從多鏈的車聯網系統中接收自身當前所屬的從鏈中的各個車輛節點發送的第一交易數據，并根據各個所述第一交易數據分別獲取預存儲在對應的各個所述車輛節點本地的模型訓練數據；

對各個所述模型訓練數據進行全局聚合及共識處理以生成第二交易數據；

自所述主從多鏈的車聯網系統中將所述第二交易數據發送至自身所屬的主鏈中的基站，以使該基站根據接收到的各個所述第二交易數據聚合得到對應的聯邦學習全局模型。

在本申請的一些實施例中，所述第一交易數據包括：所述模型訓練數據對應的哈希值；

其中，所述哈希值是所述車輛節點將所述模型訓練數據存儲至本地的IPFS單元后生成的；

相對應的，所述根據各個所述第一交易數據分別獲取預存儲在對應的各個所述車輛節點本地的模型訓練數據，包括：

對所述第一交易數據進行真實性驗證；

自通過所述真實性驗證的各個所述第一交易數據中分別提取各自對應的所述哈希值；

基于各個所述哈希值分別自對應的各個所述車輛節點的本地數據存儲單元中提取模型訓練數據，其中，所述本地數據存儲單元為基于IPFS存儲協議生成的IPFS存儲單元。

在本申請的一些實施例中，所述第一交易數據還包括：損失函數的下降比例；

相對應的，在所述對各個所述模型訓練數據進行全局聚合及共識處理以生成第二交易數據之前，還包括：

自各個所述第一交易數據中分別提取各自對應的損失函數的下降比例；

基于各個所述損失函數的下降比例的倒敘排序結果確定各個所述車輛節點的獎勵排名；