买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆邮电大学申请的专利一种车路协同数据智能安全共享方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118509825B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410646235.1，技术领域涉及：H04W4/44；该发明授权一种车路协同数据智能安全共享方法是由黄晓舸;肖洒;黎文静;唐玮凡;陈前斌设计研发完成，并于2024-05-23向国家知识产权局提交的专利申请。

本一种车路协同数据智能安全共享方法在说明书摘要公布了：本发明涉及一种车路协同数据智能安全共享方法，属于移动通信技术领域。首先，筛选本地冗余数据与噪声数据，避免过拟合。其次，设计恶意模型检测方案，提供针对标签翻转攻击的防御方法；然后，建立基于动态互蒸馏技术的预学习方案以提高模型泛化能力，降低通信负载；最后，提出基于CAV个性化聚合策略，最后一个CAV互蒸馏执行完毕后，将最终的互蒸馏模型广播给剩余所有CAV，CAV分别基于各自本地数据集评估互蒸馏模型与本地训练模型的精度。用于解决车联网场景下异构数据导致模型精度低、模型共享通信开销大以及针对联邦学习的标签翻转攻击问题。本方案在保证安全低负载CAV协同训练的前提下，提高模型泛化能力，最大化共享效率。

本发明授权一种车路协同数据智能安全共享方法在权利要求书中公布了：1.一种车路协同数据智能安全共享方法，其特征在于：该方法包括以下步骤： S1：基于信息熵的本地数据选择； S2：基于模型评分和模型梯度的恶意模型检测； 在本场景中1个RSU与m个CAV进行交互其中CAV集合表示为V＝{v1,v2,...,vm}，其评分为G＝{g1,g2,...,gm}；RSU初始化全局模型w0并下发给所有CAV；RSU通过聚类算法区分恶意CAV与正常CAV；基于评分和模型梯度的恶意车辆检测过程分为以下几个步骤： 本地模型训练：在第t轮更新中，CAV vk∈V接受到全局知识wt后，基于本地数据集Dk训练，得到本地模型本地知识上传：vk上传模型最后两层参数，其中输出层即本地知识； 恶意模型检测：RSU收集到所有CAV的模型参数后，计算输出层L的梯度，表达式为： 其中，η为学习率；接着，使用K‑means算法将知识分组为两个簇cl1和cl2； 定义簇的反密度值cid为簇的密集程度，值越小，簇越密集，表示为： 其中θα,β为簇内元素α,β的夹角，表示对于固定的α，找到其与所有β中的最大夹角；将反密度值与簇的大小按比例重新加权后，与评分求和得cl1,cl2，计算得分S1,S2： RSU将S1和S2中得分更小的簇定义为恶意模型集合，更大的簇定义为正常模型集合； S3：基于动态知识的本地互蒸馏； 选取互蒸馏CAV：CAV具有相同的初始化全局模型，在本地数据集上训练后，本地模型知识的差距反映CAV本地数据的差异程度；RSU计算并选取知识差距大的CAV执行互蒸馏；引入层次聚类算法，根据知识的差距信息选取互蒸馏CAV，步骤如下： 1将每个知识独立地分到一个聚类中； 2计算出两个具有最大成对角的聚类，并将它们分为同一类； 3重新计算新生成的聚类和旧聚类之间的最大成对角； 4重复步骤2与步骤3，直到所有知识归入一类； 其中，每进行一轮联邦学习，计算一次最大成对角，并在第2步中设置阈值thd，当两个最远聚类之间的距离小于该阈值时，迭代终止；随着迭代次数的增加，评分gm小于阈值thgrd的CAV将被禁止参与互蒸馏，防止带来负面影响； 协作互蒸馏：RSU下发全局模型和聚类结果集合Vt,Vt∈V，将Vt按评分升序排列，得Vt中的CAV在本地数据集上训练个性化模型，通过SGD以批量大小为Bc,学习率为ηc更新其本地模型如下所示： 之后，将更新后的发送给下一个客户端当收到从传来的模型后，将模型与本地模型的知识互蒸馏；具体而言，通过最小化损失函数来学习的输出，表示为： 式中，为中数据样本的真标签集，Ρ1,Ρ2分别为不同模型在同一数据集上的软标签： 其中，与为两个长度为Bc+1的向量，表示两个网络对数据集中的第z个数据样本的软预测，即标签知识；LCE·表示真实标签和软预测之间的交叉熵误差： 其中，h为独热向量；DKLΡ1||Ρ2为两个网络软预测匹配的KL散度，表示为： 当集合Ct中的所有CAV评分均高于阈值thgu，说明该集合中所有CAV都是诚实的；将部分的标签知识蒸馏改为中间层知识蒸馏，损失函数定义为： 其中，f1x和f2x分别为接收到的模型和本地模型的中间层特征图，LF·函数用于匹配参与互蒸馏的两个模型的相似度； 最后，vc+1以学习率ηc+1最小化损失函数来更新CAV传递模型参数； 模型评分与上传：当集合Ct中的最后一个CAV完成模型训练后，将模型参数发送给所有CAV以供验证；所有CAV使用本地数据集验证模型，若此模型准确率更高，则说明此次互蒸馏有效，将聚类中的其他CAV的评分加1，并上传互蒸馏后的模型知识至RSU；反之，若本地未参与协作互蒸馏的模型准确率更高，说明此次互蒸馏对该模型无效，将其他CAV的评分减1，并将未参与协作互蒸馏的模型知识上传至RSU； S4：基于联邦蒸馏的加权知识聚合； RSU的加权知识聚合公式如下： 其中，δk为CAVvk的加权系数，用于衡量车辆的评分与车辆的位置对聚合结果的影响； 车辆的位置定义为车辆vk与RSUr之间的距离： 其中，lat·与lot·分别表示目标的纬度与经度； 加权系数δk表示为： δk＝disvk,r+gk。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。