一种在车联网中实现轻量化隐私保护的异步联邦学习方法

本发明属于联邦学习和车联网交叉技术领域，具体涉及一种车联网中实现轻量化隐私保护的异步联邦学习方法。车站和基站间进行公钥交换计算出共享秘钥；车辆利用全局模型参数更新本地模型，并利用本地数据进行训练；基于共享秘钥和训练轮次进行随机数生成，车辆对训练后的本地模型参数的梯度添加随机数实现本地模型参数加密；RSU将车辆信息和训练轮次转发基站，基站寻找车辆信息对应的共享秘钥，结合所述训练轮次计算出随机数之和；RSU基于所述随机数之和对加密后的梯度信息进行解密聚合，更新全局模型参数；RSU广播全局模型参数，车辆利用全局模型参数更新本地模型，然后继续下一轮训练，直至训练结束。