基于区块链与三元联邦学习的车联网数据隐私保护方法

本发明公开了基于区块链与三元联邦学习的车联网数据隐私保护方法，数据请求者首先发布任务请求，收到任务后本地车辆将在地方训练本地模型，在训练时添加高斯噪声，训练完成后将原始梯度转换三元梯度并上传至服务器，服务器将三元梯度进行聚合操作并将结果返回给客户端，随后用户将结果延迟为浮点数，并更新模型副本以用于随后的训练；在区块链层，验证值和局部模型更新由通过共识算法验证后的边缘节点存储在数据块中，通过区块链中的P2P广播功能在网络中广播其本地模型，车辆从区块链下载所有车辆的最新本地模型更新，并聚合全局模型。本发明提高了通信效率、降低了通信成本，解决传统联邦学习存在的单点攻击。