一种车联网中安全高效的车况预测联邦学习方法

本发明提供了一种车联网中安全高效的车况预测联邦学习方法，解决了智能车联网中恶意参与者中毒攻击和参与者参与动力不足的技术问题。其技术方案为，包括以下步骤：S10、交通部门TR创建区块链，设置联邦学习参数，发布联邦学习任务；S20、车联网用户在本地进行模型训练得到本地梯度，归一化梯度后将其上传至区块链；S30、云服务器SE对用户上传的梯度进行归一化检测；S40、区块链选出聚合节点对梯度进行聚合；S50、交通部门TR基于马氏距离对诚实参与的用户进行奖励，各参与者根据聚合结果更新自己的本地梯度。本发明使用归一化技术加快模型收敛，使用马氏距离检测恶意梯度，设置激励机制鼓励车联网用户诚实参与训练。