一种基于分布式同态加密的交通流量联邦安全预测方法

本发明属于智能交通系统数据隐私保护技术领域，公开了一种基于分布式同态加密的交通流量联邦安全预测方法，通过构建车路云一体化网络架构，构建基于LSTM的本地模型及全局模型，形成联邦模型；基于道路基础设施节点与云端平台节点协同生成分布式密钥，对所述联邦模型进行同态加密并训练；基于训练后的联邦模型进行交通流量预测。本发明所述方法对模型训练过程机密性更强，通过分布式密钥生成和同态加密计算技术，可以保证共享模型参数的机密性，避免遭受基于模型参数分析的推理攻击威胁。本发明能够解决现有交通流量预测系统中数据隐私方面的不足，为智能交通管理提供有效支撑技术。