一种基于联邦学习的智能网联汽车全景感知方法

本发明涉及一种基于联邦学习的智能网联汽车全景感知方法，属于移动通信技术领域。由于驾驶场景的复杂性，单任务模型难以处理多样化任务。深度学习模型的效果依赖于大量的数据，单车收集的数据不足以训练出具有泛化性的模型。本发明在车联网云边端网架构下，使车辆能够并行完成驾驶场景中的多个感知任务，实现全景感知。此外，设计了一种基于信誉值的车辆选择方法，以筛选高质量的车辆本地模型，并在聚合过程中采用秘密共享方法，避免因服务器遭受攻击或宕机导致的数据泄露。最后，将全局模型上传至区块链保存，提出数据异步分区共享方法。该方法在保护车辆的数据隐私同时，使车辆以更短的时间完成对驾驶场景的全景感知。