一种车联网中基于失活技术的联邦互蒸馏方法

本发明涉及一种车联网中基于失活技术的联邦互蒸馏方法，属于移动通信技术领域。联邦学习是一种分布式机器学习方法，通过共享模型将局部知识聚合成全局模型，保证数据安全。在车联网场景中，该方法通信开销过高。同时，由于车辆本地数据分布差异较大，在局部知识共享时将降低全局模型性能。除此之外，车辆行驶过程中会在RSU覆盖区域之间切换，可能造成模型传输中断。为了解决上述问题，本发明提出了一种车联网中基于失活技术的联邦互蒸馏方法。该方法考虑车辆移动状况、交通状况等因素，使用马尔科夫链来进行RSU切换预测；通过筛选误导性数据，提升模型准确性；通过知识互蒸馏方法传递知识，降低通信开销；引入失活技术加速模型训练。