一种基于局部敏感哈希的网联车隐私保护通信优化方法

本发明提供了一种基于局部敏感哈希的网联车隐私保护通信优化方法，涉及网联车技术领域，本发明通过对模型参数的高效压缩和传输，实现了分布式协同训练中通信成本的显著降低，同时保护了协同感知系统中各边缘设备的数据隐私性。采用局部敏感哈希LSH技术对联邦学习中各客户端的本地模型参数进行动态聚类，并以每组参数的聚类中心(质心)为代表进行通信，仅传输聚类后的质心，从而显著减少通信过程中上传的数据量。该方法无需对模型结构或训练机制进行改动，具备通用性和高效性，能够在保持模型性能和精度的前提下有效优化通信效率，显著降低带宽资源的使用成本。