(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210916511.2 (22)申请日 2022.08.01 (71)申请人 重庆邮电大 学 地址 400065 重庆市南岸区黄桷垭崇文路2 号 (72)发明人 黄晓舸　尹宏博　吴雨航　刘真伟　 (74)专利代理 机构 北京同恒源知识产权代理有 限公司 1 1275 专利代理师 廖曦 (51)Int.Cl. G06N 20/00(2019.01) G06F 21/62(2013.01) G06F 16/27(2019.01) G06F 16/23(2019.01) H04L 67/12(2022.01) (54)发明名称 一种车联网中基于区块链的异步联邦学习 方法 (57)摘要 本发明涉及一种车联网中基于区块链的异 步联邦学习方法， 属于移动通信技术领域。 该方 法为： 任务发布车辆向边缘网络中路边单元维护 的区块链网络发起学习任务， 同时将初始模型上 传至区块链网络； 任务训练车辆与临近路边单元 建立连接； 任务训练车辆从边缘网络获取当前待 验证和待聚合模 型； 任务训练车辆根据本地数据 集训练中获得的全局模型， 得到更新后的全局模 型； 任务训练车辆与边缘网络中临近路边单元建 立连接， 上传至区块链网络。 上传成功后， 路边单 元将返回成功信息给任务训练车辆； 直到学习任 务收敛， 任务发布车辆将任务终止信息发送至 路 边单元， 该任务训练结束。 车辆可通过车载传感 器实时收集数据用于机器学习， 且不用担心隐私 泄露问题。 权利要求书2页 说明书6页 附图4页 CN 115238906 A 2022.10.25 CN 115238906 A 1.一种车 联网中基于区块链的异步联邦学习方法， 其特 征在于： 该 方法包括以下步骤： S1： 任务发布车辆向边缘网络中路边单元维护的区块链网络发起学习任务， 同时将初 始模型上传至区块链网络； S2： 任务训练车辆与临近路边单 元建立连接； S3： 任务训练车辆从边缘网络获取当前待验证和待聚合模型， 从中选择k个模型聚合作 为全局模型； S4： 任务训练车辆根据本地数据集训练S3中获得的全局模型， 得到更新后的全局模型； S5： 任务训练车辆与边缘网络中临近路边单元建立连接， 将S4中更新后的全局模型通 过路边单 元上传至区块链网络； 上传成功后， 路边单 元将返回成功信息给任务训练车辆； S6： 所有任务训练车辆重复步骤S2～S5直到学习任务收敛， 任务发布车辆将任务终止 信息发送至路边单 元， 该任务训练结束。 2.根据权利要求1所述的一种车联网中基于区块链的异步联邦学习方法， 其特征在于： 所述S1中， 基于边缘 ‑客户端两层网络， 边缘层 包含路边单元， 客户端为用户车辆； 路边单元 为车辆提供通信、 计算、 存储资源， 车辆负责任务发布及训练； 采用有向无环 图DAG架构的 Tangle区块链网络来实现异步学习； 任务发布车辆通过路边单元发布训练任务； 路边单元 将该任务及 初始模型生成为 一个创世块添加到DAG链中。 3.根据权利要求2所述的一种车联网中基于区块链的异步联邦学习方法， 其特征在于： 所述S2中， 提供一种车辆 接入边缘网络方法； 提出的车辆 接入边缘网络方法包括以下步骤： 1)车辆搜索附近可连接的路边单元， 并获取其地理位置、 通信质量、 已连接车辆数量及 数据排队情况； 2)车辆计算与每一个可连接的路边单元的通信成本， 该通信成本综合考虑地理位置、 通信质量、 已连接车辆数量及数据排队情况四个信息， 选择通信成本最小的路边单元建立 连接。 4.根据权利要求3所述的一种车联网中基于区块链的异步联邦学习方法， 其特征在于： 所述S3中， 提供一种异步学习框架； 采用基于有向无环图DAG的Tangle网络， 其中DAG中的每 一个块都包含一个全局模型； 每一个块在加入到DAG网络时， 都会指向一些待验证的块 tips， 然后去验证并聚合其模型进行本地训练； 该块在连接到DAG网络后会成为待验证块； 任务训练车辆首先从边缘网络中获取DAG网络中当前所有tips， 根据本地数据集测试所有 的tips的模型， 选择其中k个精度最高的模型聚合为全局模型， 作为待训练模型； 采用 加权 平均聚合方法进行k个模型的聚合， 其中权 重值与其精度正相关。 5.根据权利要求4所述的一种车联网中基于区块链的异步联邦学习方法， 其特征在于： 所述S4中， 提供一种本地训练方法； 将在步骤S3中聚合出的全局模型作为本轮训练的初始 模型， 任务训练车辆将使用本地的数据集进行训练得到新的模型； 将新的模型打包成块发 送到边缘网络。 6.根据权利要求5所述的一种车联网中基于区块链的异步联邦学习方法， 其特征在于： 所述S5中， 提供一种模型上传方法； 任务训练车辆首先检查当前连接， 若连接断开， 则采用 在步骤S2中方法与边缘网络中的一个路边单元重新建立连接； 然后将在S4中本地打包的块 发送给路边单元， 路边单元将完善块头信息， 上传至区块链； 上传成功后， 路边单元将返回 成功信息给任务训练车辆 。权　利　要　求　书 1/2 页 2 CN 115238906 A 27.根据权利要求6所述的一种车联网中基于区块链的异步联邦学习方法， 其特征在于： 所述S6中， 提供一种任务训练终止方法； 任务发布车辆会实时向路边单元请求当前区块链 的更新情况， 通过其本地测试集观察模 型的精度； 当其认为模 型精度达到预期或已经收敛， 则向路边单元发送停止任务请求； 路边单元将全网广播停止请求， 该任务训练结束； 反之， 任务训练车辆会继续执 行步骤S2 ～S5完成下一次任务迭代， 直到其收到停止任务请求。权　利　要　求　书 2/2 页 3 CN 115238906 A 3