基于高效聚合联邦学习的车联网数据处理方法及系统

本发明公开了一种基于高效聚合联邦学习的车联网数据处理方法及系统，属于数据安全与隐私保护技术领域。包括：获取车联网数据；以车联网数据为输入，利用训练好的全局模型进行处理，获取数据处理结果；全局模型为在联邦学习的过程中，通过动态加权聚合算法对符合性能要求的局部模型进行聚合生成，局部模型的训练轮数根据全局模型的训练结果、局部模型的训练结果以及车辆节点的设备性能和数据质量动态调整。本发明通过结合基于AUC值的模型筛选机制和基于车辆性能评价的训练轮数动态调整机制，加快模型收敛速率，减少了模型聚合轮数，大幅降低联邦学习的训练成本；解决现有动态变化的车辆网数据环境下，联邦学习训练效果和训练效率低下的问题。