[發明專利]一種車聯網模型訓練方法及可讀存儲介質

在審

• 申請號: 202211536257.X
• 申請日: 2022-12-01
• 公開（公告）號: CN115988448A
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 章航嘉;鄭鑫宇;婁君杰;吳立棟
• 申請（專利權）人: 寧波均勝智能汽車技術研究院有限公司
• 主分類號: H04W4/40
• 分類號: H04W4/40;H04W12/02;H04L41/16
• 代理公司: 浙江中桓凱通專利代理有限公司 33376
• 代理人: 謝英

本發明提供了一種實現隱私保護和資源優化的車聯網模型訓練方法及可讀存儲介質，所述車聯網模型訓練方法用于控制車聯網模型訓練系統；所述車聯網模型訓練系統包括：智能交通系統；至少一輛智能車輛，所述至少一輛智能車輛內設有本地計算及環境模塊和傳感模塊，且所述至少一輛智能車輛連接所述智能交通系統；隱私保護模塊，所述隱私保護模塊由多個路邊單元集合組成；資源優化模塊，所述資源優化模塊設有全局模型聚合模塊，所述全局模型聚合模塊連接所述隱私保護模塊。本發明實施例有效提高了智能車輛本地的數據隱私。

技術領域

本發明涉及智能車輛技術領域，具體而言，涉及一種實現隱私保護和資源優化的車聯網模型訓練方法和一種可讀存儲介質。

背景技術

物聯網和無線通信技術的飛速發展不斷推動傳統車載自組網向車聯網轉變。在車聯網中，智能汽車使用各類傳感器、攝像頭和導航系統等車載設備從周圍環境收集信息并與服務器或附近車輛共享，提高車聯網的交通效率，降低事故發生率。與此同時，車聯網的快速發展加速了智能交通系統的建設和實際應用。智能交通系統通過路邊單元收集智能車輛的各類傳感信息，利用無線通信技術上傳到服務器并對數據分析，做出有利智能車輛的決策，以減少交通擁堵，降低車輛油耗和事故發生率，提高電動汽車能源利用率和電網能源有效使用率。雖然智能交通系統利用共享數據訓練全局模型實現了對車聯網更全面、更廣泛和更智能的實時、準確管理.

但是智能車輛和智能交通系統的信息交互存在嚴重的通信開銷和數據隱私問題，這嚴重阻礙了智能交通系統的未來發展。傳統的智能交通系統的交互信息是車載設備收集到的原始數據。在無線通信模式中，惡意用戶有可能攔截無線通信信號以竊聽、刪除、編輯和重播消息。因此，傳統交互方式對原始數據不加密的傳輸方式在數據安全性和隱私性方面存在嚴重隱患。隨著聯邦學習和車聯網不斷深入結合，現已有很多方法進行相應的實施，能夠從一定程度上保護客戶數據隱私，但是這些方法僅考慮智能車輛的數據異構性，并集中于解決數據異構帶來的模型差異，提高全局模型的精度。但是，車聯網中的智能車輛的無線通信帶寬、CPU和GPU可用計算資源、電量或者油量等是有限的，這些都極大制約了車聯網的實際部署。為了解決聯邦學習在車聯網中的實際部署問題，現今已有一些方法出現并實施，但是這些方法更多的從降低通信回合數角度考量，而這并不能從本質上解決客戶的資源限制問題。

發明內容

因此，本發明實施例提供一種實現隱私保護和資源優化的車聯網模型訓練方法，有效提高了智能車輛本地的數據隱私。

為解決上述問題，本發明提供一種實現隱私保護和資源優化的車聯網模型訓練方法，所述車聯網模型訓練方法用于控制車聯網模型訓練系統；所述車聯網模型訓練系統包括：智能交通系統；至少一輛智能車輛，所述至少一輛智能車輛內設有本地計算及環境模塊和傳感模塊，且所述至少一輛智能車輛連接所述智能交通系統；隱私保護模塊，所述隱私保護模塊由多個路邊單元集合組成；資源優化模塊，所述資源優化模塊設有全局模型聚合模塊，所述全局模型聚合模塊連接所述隱私保護模塊；所述車聯網模型訓練方法具體包括：步驟S100：所述智能交通系統向所述多個路邊單元發送全局模型智能車輛子集以及全局任務T_i，所述多個路邊單元將所述全局模型依次發送至所述智能車輛子集內對應的所述智能車輛；步驟S200：通過所述傳感模塊收集道路信息和視頻信息，根據所述全局任務T_i，將適用所述全局任務的所述道路信息、所述視頻信息以及所述智能車輛數據整合成本地模型發送至所述路邊單元；步驟S300：每個所述路邊單元將所述智能車輛發送的所述本地模型進行中間聚合，形成中間聚合模型；步驟S400：多個所述路邊單元將所述中間聚合模型發送至全局模型聚合模塊得到下一次全局模型且將所述下一次全局模型作為下一次全局任務T_i+1的初始模型；其中，i為當前通信回合數。