本發明涉及數據處理,特別是涉及一種基于聯邦學習的車聯網模型安全數據共享方法、系統及電子設備。
背景技術:
1、車聯網是物聯網在智能交通領域的重要應用,在數字城市和智能交通系統的構建中已成為關鍵要素。其中,傳統的單車系統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據,帶來巨大的安全風險。基于此,聯邦學習作為一種分布式學習框架被廣泛應用,以實現對用戶數據隱私的保護并有效解決數據孤島問題。
2、現有技術中,車聯網中的中心聚合器和邊緣聚合節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點可以對每個本地模型執行梯度逆向推斷攻擊,以提取有關相應參與者的隱私數據集的信息。此外,上述聯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。
技術實現思路
1、本發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,本發明提出了一種基于聯邦學習的車聯網模型安全數據共享方法,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點和中心聚合器不可見,有效抵御來自惡意邊緣聚合節點或中心聚合器的推斷攻擊,加強了數據共享過程中的隱私保護。同時,通過邊緣聚合節點,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、本發明的另一個目的在于提出一種基于聯邦學習的車聯網模型安全數據共享系統。
4、為達上述目的,本發明一方面提出一種基于聯邦學習的車聯網模型安全數據共享方法,所述方法包括:
5、通過中心聚合器向邊緣聚合節點發布學習任務和全局模型;
6、所述邊緣聚合節點向通信覆蓋范圍內的車輛客戶端發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據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送至所述邊緣聚合節點;
8、所述邊緣聚合節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點發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送至所述邊緣聚合節點,重復上述步驟,直至所述全局模型收斂。
10、本發明實施例的基于聯邦學習的車聯網模型安全數據共享方法還可以具有以下附加技術特征:
11、在本發明的一個實施例中,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送至所述邊緣聚合節點,包括:
12、獲取所述邊緣聚合節點發送的隨機數據集合和第一計算數據;
13、所述車輛客戶端根據所述隨機數據集合,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據,利用ot協議通過計算得到對應的第二計算數據;
15、將所述第二計算數據發送至所述邊緣聚合節點。
16、在本發明的一個實施例中,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、所述邊緣聚合節點利用ot協議,基于接收到的所述車輛客戶端發送的第二計算數據得到對應的秘密份額。
18、在本發明的一個實施例中,所述秘密聚合公式,包括:
19、
20、其中,所述fs(x)表示邊緣聚合節點s對應的聚合結果,所述n表示邊緣聚合節點s通信覆蓋范圍內參與聯邦學習的車輛客戶端的數量,di表示第i個車輛客戶端的數據集,|di|表示數據集di的大小,fi(x)表示第i個車輛客戶端的秘密份額。
21、在本發明的一個實施例中,所述將接收到的不同邊緣聚合節點發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送至所述邊緣聚合節點,包括:
22、將接收到的不同邊緣聚合節點發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送至所述邊緣聚合節點。
25、為達上述目的,本發明另一方面提出一種基于聯邦學習的車聯網模型安全數據共享系統,所述系統包括中心聚合器、邊緣聚合節點和車輛客戶端;
26、所述中心聚合器,用于向邊緣聚合節點發布學習任務和全局模型;
27、所述邊緣聚合節點,用于向通信覆蓋范圍內的車輛客戶端發布所述學習任務和全局模型;
28、所述車輛客戶端,用于基于本地數據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送至所述邊緣聚合節點;
29、所述邊緣聚合節點,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點發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送至所述邊緣聚合節點,重復上述步驟,直至所述全局模型收斂。
31、本發明實施例的基于聯邦學習的車聯網模型安全數據共享方法、系統及電子設備,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點和中心聚合器不可見,有效抵御來自惡意邊緣聚合節點或中心聚合器的推斷攻擊,加強了數據共享過程中的隱私保護。同時,通過邊緣聚合節點,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、本發明附加的方面和優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,或通過本發明的實踐了解到。
1.一種基于聯邦學習的車聯網模型安全數據共享方法,其特征在于,所述方法包括:
2.根據權利要求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送至所述邊緣聚合節點,包括:
3.根據權利要求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點發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送至所述邊緣聚合節點,包括:
6.一種基于聯邦學習的車聯網模型安全數據共享系統,其特征在于,所述系統包括中心聚合器、邊緣聚合節點和車輛客戶端;
7.根據權利要求6所述的系統,其特征在于,所述車輛客戶端,具體用于:
8.根據權利要求6所述的系統,其特征在于,所述邊緣聚合節點,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行指令;所述計算機可執行指令被處理器執行后,能夠實現如權利要求1-5中任一所述的方法。