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！

龙图腾网获悉南通大学申请的专利区块链驱动的奖惩机制和联邦学习的车联网行为检测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：CN119363469B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411632081.7，技术领域涉及：H04L9/40；该发明授权区块链驱动的奖惩机制和联邦学习的车联网行为检测方法是由施佺;王斓凯;陈晨;平鹏;高锐锋;陈海龙设计研发完成，并于2024-11-15向国家知识产权局提交的专利申请。

本区块链驱动的奖惩机制和联邦学习的车联网行为检测方法在说明书摘要公布了：本发明公开了一种区块链驱动的奖惩机制和联邦学习的车联网行为检测方法，包括以下步骤：首先，本发明引入了一种声誉值评估机制，用于量化参与联邦学习的自动驾驶车辆CAVs的可信度与贡献度，从而实现对节点行为的有效激励与管理。其次，提出了一种基于联邦学习的动态异常检测方法，通过多层次动态聚合各车辆的本地模型，并将最优全局模型记录至区块链，以增强系统的透明度与安全性。最后，本发明实现了基于区块链的预支付博弈机制，旨在优化车联网联邦学习环境中的资源利用效率，提升参与节点的忠诚度与系统的稳定性。该研究成果为区块链驱动的车联网中联邦学习的应用提供了新的技术框架，并为智能交通领域的未来研究奠定了重要基础。

本发明授权区块链驱动的奖惩机制和联邦学习的车联网行为检测方法在权利要求书中公布了：1.一种区块链驱动的奖惩机制和联邦学习的车联网行为检测方法，其特征在于：包括以下步骤： 步骤1：路侧单元使用联邦学习车辆选择算法，动态筛选最适合参与联邦学习模型训练的自动驾驶车辆节点，预支付金额作为自动驾驶车辆参与联邦学习的保证金； 步骤2：自动驾驶车辆向路侧单元申请联邦学习中本地训练模型的最新参数，路侧单元汇总自动驾驶车辆的模型申请结果，通过智能合约进行审核并分发所需模型； 步骤3：自动驾驶车辆在模型申请成功后下载区块链的最新区块，以获取最新的全局模型参数，然后自动驾驶车辆利用本地数据参与联邦学习中的本地训练模型训练；联邦学习模型包括若干个路侧单元全节点、M个路侧单元轻节点和N台车辆节点，路侧单元全节点组成区块链； 步骤4：自动驾驶车辆将本地训练生成的学习成果传输至路侧单元的轻节点，轻节点接收到学习成果后，将其上传至路侧单元的全节点；全节点在经过共识过程后，将学习成果上链，并通过联邦学习方法对各个参与节点的模型进行聚合，生成全局模型；随后，路侧单元将全局模型的参数广播给所有参与联邦学习的自动驾驶车辆；接收到全局模型参数后，自动驾驶车辆将基于自己的本地训练模型进行进一步的训练与更新；步骤4具体包括： 步骤4-1：车辆节点i的每个模型j产生的学习成果θij，通过交易上传给路侧单元轻节点；θij中包含有本地精度εij和模型参数路侧单元轻节点将θB＝{θ1,θ2,…,θi,…θM}打包成区块上传路侧单元全节点经共识后上链，并将学习成果进行初步聚合，进而对模型j形成初步全局模型计算公式为： 其中LRix为车辆节点i与路侧单元轻节点x之间的本地声誉值，t表示轮数； 步骤4-2：路侧单元轻节点将更新后的全局模型参数广播给参与联邦学习的所有车辆，以便它们在下一轮训练中使用；在车辆收到全局模型之后，基于本地数据模型j进行进一步的训练和更新；多次重复训练，直到路侧单元轻节点针对本地数据模型j收敛或达到预定的训练轮数，计算公式为： 步骤5：路侧单元全节点对路侧单元轻节点的全局模型参数进行加权平均融合，得到综合全局模型，并将综合全局模型广播给所有路侧单元轻节点； 步骤6：根据自动驾驶车辆本地模型训练对比全局模型，根据模型的精确度以及声誉值给予参与联邦学习的自动驾驶车辆一定的金额奖励。

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南通大学，其通讯地址为：226019 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院；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”。

以上内容由龙图腾AI智能生成。