基于区块链的车联网数据安全共享方法、装置及设备与流程

本申请涉及数据处理，尤其是涉及一种基于区块链的车联网数据安全共享方法、装置及设备。

背景技术：

1、机器学习是实现人工智能的一种途径，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习用于研究计算机如何模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习更加注重算法设计，使计算机能够自动地从数据中学习规律，并利用规律对未知数据进行预测。机器学习已经有了十分广泛的应用，如深度学习、数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、语音识别和手写识别等。

2、为了采用机器学习实现人工智能处理，需要获取大量样本数据（如图像数据，即具有标签数据的图像），并基于这些样本数据训练出机器学习模型（如具有目标检测功能、目标分类功能的机器学习模型），并将机器学习模型部署到终端设备，以使终端设备基于机器学习模型实现人工智能处理。

3、由于终端设备本地的样本数据的数量有限，无法训练出性能比较高的机器学习模型，因此，每个终端设备均需要将本地的样本数据发送给服务器，继而由服务器基于多个终端设备的大量样本数据训练出机器学习模型。

4、但是，上述方式需要在终端设备与服务器之间传输样本数据，存在数据安全隐患，无法保证数据安全，样本数据作为终端设备的数字资产，终端设备不愿意向服务器共享样本数据。由于需要在终端设备与服务器之间传输大量样本数据（如图像数据），这些样本数据需要占用大量的带宽资源。

技术实现思路

1、有鉴于此，本申请提供一种基于区块链的车联网数据安全共享方法、装置及设备，能够减少传输终端设备的数据，从而保证数据的安全性。

2、本申请提供一种基于区块链的车联网数据安全共享方法，包括：

3、将初始全局模型参数发送给多个终端设备，以使每个终端设备基于所述初始全局模型参数获取局部模型参数；获取多个终端设备发送的局部模型参数；

4、从区块链下载终端设备对应的信誉特征，或者，基于终端设备对应的车联网数据交互信息确定终端设备对应的信誉特征；基于所述信誉特征确定终端设备为第一类终端或第二类终端；其中，所述第一类终端为正常的终端设备，所述第二类终端为非正常的终端设备，所述车联网数据交互信息包括终端设备与基站设备之间的车联网数据的成功传输次数和失败传输次数；

5、基于所有第一类终端发送的局部模型参数生成目标全局模型参数；

6、若目标全局模型参数未收敛，则将所述目标全局模型参数确定为初始全局模型参数，并返回执行将初始全局模型参数发送给多个终端设备的操作；

7、若目标全局模型参数已收敛，则将所述目标全局模型参数确定为已训练模型参数；其中，所述已训练模型参数用于对数据进行处理。

8、本申请提供一种基于区块链的车联网数据安全共享装置，包括：

9、发送模块，用于将初始全局模型参数发送给多个终端设备，以使每个终端设备基于所述初始全局模型参数获取局部模型参数；

10、获取模块，用于获取多个终端设备发送的局部模型参数；

11、确定模块，用于从区块链下载终端设备对应的信誉特征，或，基于终端设备对应的车联网数据交互信息确定终端设备对应的信誉特征；基于所述信誉特征确定终端设备为第一类终端或第二类终端；其中，所述第一类终端为正常的终端设备，所述第二类终端为非正常的终端设备，所述车联网数据交互信息包括终端设备与基站设备之间的车联网数据的成功传输次数和失败传输次数；

12、处理模块，用于基于所有第一类终端发送的局部模型参数生成目标全局模型参数；若目标全局模型参数未收敛，则将所述目标全局模型参数确定为初始全局模型参数；若目标全局模型参数已收敛，则将所述目标全局模型参数确定为已训练模型参数；其中，所述已训练模型参数用于对数据进行处理。

13、本申请提供一种电子设备，包括：处理器和机器可读存储介质，机器可读存储介质存储有能够被处理器执行的机器可执行指令；其中，处理器用于执行机器可执行指令，以实现上述的基于区块链的车联网数据安全共享方法。

14、另一方面，本申请提供一种机器可读存储介质，所述机器可读存储介质存储有能够被处理器执行的机器可执行指令；其中，所述处理器用于执行所述机器可执行指令，以实现上述的基于区块链的车联网数据安全共享方法。

15、另一方面，本申请提供一种计算机程序，所述计算机程序存储于机器可读存储介质，当处理器执行所述机器可读存储介质中的所述计算机程序时，促使所述处理器实现上述的基于区块链的车联网数据安全共享方法。

16、由以上技术方案可见，本申请实施例中，终端设备与服务器之间传输的是局部模型参数，不是终端设备的数据，从而保护终端设备的数字资产，保证数据安全。由于终端设备与服务器之间传输的是局部模型参数，不是大量数据（如图像数据），从而节省带宽资源。可以基于终端设备对应的信誉特征确定终端设备为正常的第一类终端或非正常的第二类终端，且基于所有第一类终端的局部模型参数生成全局模型参数，而不会基于第二类终端的局部模型参数生成全局模型参数，从而不会采用非正常终端的局部模型参数参与训练过程，全局模型参数的性能不会下降，保证模型参数的准确性，提高模型训练过程的效率，能够更快的得到已训练模型参数，模型训练时间更短，模型训练的收敛速度更快。将区块链引入模型训练过程，服务器能够从区块链下载终端设备的信誉特征，由于区块链具有不可否认性和抗篡改性，因此，可以减少终端设备的信誉特征被篡改的可能性，即信誉特征准确可靠，基于信誉特征能够准确确定终端设备为第一类终端还是第二类终端。

技术特征：

1.一种基于区块链的车联网数据安全共享方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，

3.根据权利要求1或2所述的方法，其特征在于，所述基于终端设备对应的车联网数据交互信息确定终端设备对应的信誉特征，包括：

4.根据权利要求1或2所述的方法，其特征在于，所述基于终端设备对应的车联网数据交互信息确定终端设备对应的信誉特征，包括：

5.根据权利要求4所述的方法，其特征在于，

6.根据权利要求1或2所述的方法，其特征在于，

7.根据权利要求1所述的方法，其特征在于，

8.一种基于区块链的车联网数据安全共享装置，其特征在于，包括：

9.根据权利要求8所述的装置，其特征在于，

10.一种电子设备，其特征在于，包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；所述处理器用于执行机器可执行指令，以实现权利要求1-7任一所述的方法。

技术总结
本申请提供一种基于区块链的车联网数据安全共享方法、装置及设备，该方法包括：将初始全局模型参数发送给多个终端设备，以使每个终端设备基于初始全局模型参数获取局部模型参数；获取多个终端设备发送的局部模型参数；从区块链下载终端设备对应的信誉特征，或基于终端设备对应的车联网数据交互信息确定终端设备对应的信誉特征；基于信誉特征确定终端设备为第一类终端或第二类终端；基于所有第一类终端发送的局部模型参数生成目标全局模型参数；若目标全局模型参数已收敛，则将目标全局模型参数确定为已训练模型参数。通过本申请技术方案，能够保护终端设备的数字资产，保证数据安全。

技术研发人员：王滨,赵海涛,陈思,倪艺洋,谢瀛辉,王琴,郝晴,王伟
受保护的技术使用者：杭州海康威视数字技术股份有限公司
技术研发日：
技术公布日：2024/1/11