面向车联网联邦学习的动态可信聚合方法及系统

• 国民经济行业：信息传输、软件和信息技术服务业／软件和信息技术服务业／软件开发
• 学科类别：计算机科学技术／计算机软件／软件工程
• 权利人：上海交通大学

知识产权简介

本发明公开了一种面向车联网联邦学习的动态可信聚合方法、系统及设备。针对车联网联邦学习中身份可信性不足、真实 Non-IID 更新易被误判、链上审计与隐私保护难以兼顾的问题，本发明基于 DID/VC 完成零信任准入，利用零知识证明系统生成模型更新参数的轻量级合规证明，通过 RSU 进行网络侧评分，并由验证节点在链下结合 HSIC/CKA、上下文分组和历史一致性进行异常检测，将检测摘要和评分结果上链存证，最终依据动态可信评分分配聚合权重或执行隔离。本发明能够提升车联网联邦学习的可信聚合能力，降低异常更新和真实边缘场景之间的误判风险，并支持训练过程追溯审计。

转化前景

本发明公开了一种面向车联网联邦学习的动态可信聚合方法、系统及设备。针对车联网联邦学习中身份可信性不足、真实 Non-IID 更新易被误判、链上审计与隐私保护难以兼顾的问题，本发明基于 DID/VC 完成零信任准入，利用零知识证明系统生成模型更新参数的轻量级合规证明，通过 RSU 进行网络侧评分，并由验证节点在链下结合 HSIC/CKA、上下文分组和历史一致性进行异常检测，将检测摘要和评分结果上链存证，最终依据动态可信评分分配聚合权重或执行隔离。本发明能够提升车联网联邦学习的可信聚合能力，降低异常更新和真实边缘场景之间的误判风险，并支持训练过程追溯审计。