面向车联网的分组协商条件异步联邦学习数据隐私保护方法

本发明涉及一种面向车联网的分组协商条件异步联邦学习数据隐私保护方法，将车辆移动性与隐私保护协同设计，围绕训练效率低与路侧单元导致的隐私泄露问题，形成停留时间分组‑条件触发异步聚合‑动态掩码协商‑秘密共享重构的一体化机制：依据车辆在路侧单元服务区的停留时间进行分组，构建组内相对稳定的多轮协作；当组内一定数量的车辆完成本地训练即触发聚合；基于组内共享密钥与训练轮次，经伪随机函数生成掩码种子；车辆据此生成随机掩码并叠加于本地模型参数实现本地加密；聚合阶段采用动态轮换掩码对消机制，完成安全聚合并抑制重构推断；在部分车辆参与聚合的情况下，利用阈值型秘密共享重构缺失掩码，保证聚合正确性与鲁棒性。