本發(fā)明涉及數(shù)據(jù)處理，特別是涉及一種基于聯(lián)邦學習的車聯(lián)網(wǎng)模型安全數(shù)據(jù)共享方法、系統(tǒng)及電子設備。

背景技術：

1、車聯(lián)網(wǎng)是物聯(lián)網(wǎng)在智能交通領域的重要應用，在數(shù)字城市和智能交通系統(tǒng)的構建中已成為關鍵要素。其中，傳統(tǒng)的單車系統(tǒng)具有計算和存儲能力不足等問題，而集中式學習則需要大量的通信開銷，并且需要用戶上傳原始個人數(shù)據(jù)，帶來巨大的安全風險?；诖?，聯(lián)邦學習作為一種分布式學習框架被廣泛應用，以實現(xiàn)對用戶數(shù)據(jù)隱私的保護并有效解決數(shù)據(jù)孤島問題。

2、現(xiàn)有技術中，車聯(lián)網(wǎng)中的中心聚合器和邊緣聚合節(jié)點可以接收所有車輛客戶端更新的本地模型，且中心聚合器和邊緣聚合節(jié)點擁有當前迭代中使用的全局模型，從而通過中心聚合器和邊緣聚合節(jié)點可以對每個本地模型執(zhí)行梯度逆向推斷攻擊，以提取有關相應參與者的隱私數(shù)據(jù)集的信息。此外，上述聯(lián)邦學習方法要求車輛客戶端將本地訓練結果反復上傳到中心聚合器，導致通信成本增加，阻礙了資源的高效利用和車輛之間的及時通信。

技術實現(xiàn)思路

1、本發(fā)明旨在至少在一定程度上解決相關技術中的技術問題之一。

2、為此，本發(fā)明提出了一種基于聯(lián)邦學習的車聯(lián)網(wǎng)模型安全數(shù)據(jù)共享方法，利用秘密分享將車輛客戶端訓練完成的本地模型進行分割，并在邊緣聚合節(jié)點和中心聚合器對分割后的秘密份額進行重建，確保車輛客戶端訓練完成的本地模型對邊緣聚合節(jié)點和中心聚合器不可見，有效抵御來自惡意邊緣聚合節(jié)點或中心聚合器的推斷攻擊，加強了數(shù)據(jù)共享過程中的隱私保護。同時，通過邊緣聚合節(jié)點，避免本地模型在中心聚合器的反復聚合，加快了全局模型的收斂速度并降低聚合時的通信開銷。

3、本發(fā)明的另一個目的在于提出一種基于聯(lián)邦學習的車聯(lián)網(wǎng)模型安全數(shù)據(jù)共享系統(tǒng)。

4、為達上述目的，本發(fā)明一方面提出一種基于聯(lián)邦學習的車聯(lián)網(wǎng)模型安全數(shù)據(jù)共享方法，所述方法包括：

5、通過中心聚合器向邊緣聚合節(jié)點發(fā)布學習任務和全局模型；

6、所述邊緣聚合節(jié)點向通信覆蓋范圍內的車輛客戶端發(fā)布所述學習任務和全局模型；

7、所述車輛客戶端基于本地數(shù)據(jù)集對接收到的全局模型進行訓練，并將訓練完成的本地模型通過秘密分割模型進行分割，將分割后的秘密份額發(fā)送至所述邊緣聚合節(jié)點；

8、所述邊緣聚合節(jié)點基于秘密聚合公式對接收到的所述車輛客戶端的秘密份額進行聚合，并將聚合之后的聚合結果發(fā)送至所述中心聚合器；

9、所述中心聚合器將接收到的不同邊緣聚合節(jié)點發(fā)送的聚合結果通過矩陣運算進行全局模型的恢復，并將恢復后的全局模型發(fā)送至所述邊緣聚合節(jié)點，重復上述步驟，直至所述全局模型收斂。

10、本發(fā)明實施例的基于聯(lián)邦學習的車聯(lián)網(wǎng)模型安全數(shù)據(jù)共享方法還可以具有以下附加技術特征：

11、在本發(fā)明的一個實施例中，所述將訓練完成的本地模型通過秘密分割模型進行分割，將分割后的秘密份額發(fā)送至所述邊緣聚合節(jié)點，包括：

12、獲取所述邊緣聚合節(jié)點發(fā)送的隨機數(shù)據(jù)集合和第一計算數(shù)據(jù)；

13、所述車輛客戶端根據(jù)所述隨機數(shù)據(jù)集合，通過秘密分割多項式將訓練完成的本地模型進行分割，得到分割后的秘密份額集合；

14、從所述秘密份額集合中隨機選擇一份秘密份額和所述第一計算數(shù)據(jù)，利用ot協(xié)議通過計算得到對應的第二計算數(shù)據(jù)；

15、將所述第二計算數(shù)據(jù)發(fā)送至所述邊緣聚合節(jié)點。

16、在本發(fā)明的一個實施例中，所述基于秘密聚合公式對接收到的所述車輛客戶端的秘密份額進行聚合之前，所述方法還包括：

17、所述邊緣聚合節(jié)點利用ot協(xié)議，基于接收到的所述車輛客戶端發(fā)送的第二計算數(shù)據(jù)得到對應的秘密份額。

18、在本發(fā)明的一個實施例中，所述秘密聚合公式，包括：

19、

20、其中，所述fs(x)表示邊緣聚合節(jié)點s對應的聚合結果，所述n表示邊緣聚合節(jié)點s通信覆蓋范圍內參與聯(lián)邦學習的車輛客戶端的數(shù)量，di表示第i個車輛客戶端的數(shù)據(jù)集，|di|表示數(shù)據(jù)集di的大小，fi(x)表示第i個車輛客戶端的秘密份額。

21、在本發(fā)明的一個實施例中，所述將接收到的不同邊緣聚合節(jié)點發(fā)送的聚合結果通過矩陣運算進行全局模型的恢復，并將恢復后的全局模型發(fā)送至所述邊緣聚合節(jié)點，包括：

22、將接收到的不同邊緣聚合節(jié)點發(fā)送的聚合結果通過矩陣運算，得到全局模型恢復多項式；

23、將預設值代入所述全局模型恢復多項式，得到恢復后的全局模型；

24、將所述恢復后的全局模型發(fā)送至所述邊緣聚合節(jié)點。

25、為達上述目的，本發(fā)明另一方面提出一種基于聯(lián)邦學習的車聯(lián)網(wǎng)模型安全數(shù)據(jù)共享系統(tǒng)，所述系統(tǒng)包括中心聚合器、邊緣聚合節(jié)點和車輛客戶端；

26、所述中心聚合器，用于向邊緣聚合節(jié)點發(fā)布學習任務和全局模型；

27、所述邊緣聚合節(jié)點，用于向通信覆蓋范圍內的車輛客戶端發(fā)布所述學習任務和全局模型；

28、所述車輛客戶端，用于基于本地數(shù)據(jù)集對接收到的全局模型進行訓練，并將訓練完成的本地模型通過秘密分割模型進行分割，將分割后的秘密份額發(fā)送至所述邊緣聚合節(jié)點；

29、所述邊緣聚合節(jié)點，還用于基于秘密聚合公式對接收到的所述車輛客戶端的秘密份額進行聚合，并將聚合之后的聚合結果發(fā)送至所述中心聚合器；

30、所述中心聚合器，還用于將接收到的不同邊緣聚合節(jié)點發(fā)送的聚合結果通過矩陣運算進行全局模型的恢復，并將恢復后的全局模型發(fā)送至所述邊緣聚合節(jié)點，重復上述步驟，直至所述全局模型收斂。

31、本發(fā)明實施例的基于聯(lián)邦學習的車聯(lián)網(wǎng)模型安全數(shù)據(jù)共享方法、系統(tǒng)及電子設備，利用秘密分享將車輛客戶端訓練完成的本地模型進行分割，并在邊緣聚合節(jié)點和中心聚合器對分割后的秘密份額進行重建，確保車輛客戶端訓練完成的本地模型對邊緣聚合節(jié)點和中心聚合器不可見，有效抵御來自惡意邊緣聚合節(jié)點或中心聚合器的推斷攻擊，加強了數(shù)據(jù)共享過程中的隱私保護。同時，通過邊緣聚合節(jié)點，避免本地模型在中心聚合器的反復聚合，加快了全局模型的收斂速度并降低聚合時的通信開銷。

32、本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。

技術特征：

1.一種基于聯(lián)邦學習的車聯(lián)網(wǎng)模型安全數(shù)據(jù)共享方法，其特征在于，所述方法包括：

2.根據(jù)權利要求1所述的方法，其特征在于，所述將訓練完成的本地模型通過秘密分割模型進行分割，將分割后的秘密份額發(fā)送至所述邊緣聚合節(jié)點，包括：

3.根據(jù)權利要求2所述的方法，其特征在于，所述基于秘密聚合公式對接收到的所述車輛客戶端的秘密份額進行聚合之前，所述方法還包括：

4.根據(jù)權利要求1所述的方法，其特征在于，所述秘密聚合公式，包括：

5.根據(jù)權利要求1所述的方法，其特征在于，所述將接收到的不同邊緣聚合節(jié)點發(fā)送的聚合結果通過矩陣運算進行全局模型的恢復，并將恢復后的全局模型發(fā)送至所述邊緣聚合節(jié)點，包括：

6.一種基于聯(lián)邦學習的車聯(lián)網(wǎng)模型安全數(shù)據(jù)共享系統(tǒng)，其特征在于，所述系統(tǒng)包括中心聚合器、邊緣聚合節(jié)點和車輛客戶端；

7.根據(jù)權利要求6所述的系統(tǒng)，其特征在于，所述車輛客戶端，具體用于：

8.根據(jù)權利要求6所述的系統(tǒng)，其特征在于，所述邊緣聚合節(jié)點，具體用于：

9.一種電子設備，包括:

10.一種計算機存儲介質，其中，所述計算機存儲介質存儲有計算機可執(zhí)行指令；所述計算機可執(zhí)行指令被處理器執(zhí)行后，能夠實現(xiàn)如權利要求1-5中任一所述的方法。

技術總結
本發(fā)明公開了基于聯(lián)邦學習的車聯(lián)網(wǎng)模型安全數(shù)據(jù)共享方法、系統(tǒng)和電子設備，通過中心聚合器發(fā)布學習任務和全局模型；邊緣聚合節(jié)點向車輛客戶端發(fā)布學習任務和全局模型；車輛客戶端基于本地數(shù)據(jù)集對接收到的全局模型進行訓練，將訓練完成的本地模型通過秘密分割模型進行分割后的秘密份額發(fā)送至邊緣聚合節(jié)點；邊緣聚合節(jié)點基于秘密聚合公式對接收到的車輛客戶端的秘密份額進行聚合，將聚合結果發(fā)送至中心聚合器；中心聚合器將接收到的聚合結果通過矩陣運算進行全局模型的恢復，并將恢復后的全局模型發(fā)送至邊緣聚合節(jié)點，重復上述步驟，直至全局模型收斂。本發(fā)明加強了數(shù)據(jù)共享過程中的隱私保護，加快了全局模型的收斂速度，降低了聚合時的通信開銷。

技術研發(fā)人員：郭超,張昕,郭步新,朱婷婷,韓妍妍
受保護的技術使用者：北京電子科技學院
技術研發(fā)日：
技術公布日：2024/10/21