CN117971274A - 一种车辆数据更新方法、装置、设备及存储介质 - Google Patents
一种车辆数据更新方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117971274A CN117971274A CN202410226317.0A CN202410226317A CN117971274A CN 117971274 A CN117971274 A CN 117971274A CN 202410226317 A CN202410226317 A CN 202410226317A CN 117971274 A CN117971274 A CN 117971274A
- Authority
- CN
- China
- Prior art keywords
- target
- parameter
- ciphertext
- vehicle
- candidate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 230000008569 process Effects 0.000 claims abstract description 29
- 238000004891 communication Methods 0.000 claims abstract description 19
- 238000013507 mapping Methods 0.000 claims description 68
- 230000006870 function Effects 0.000 claims description 48
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 230000006872 improvement Effects 0.000 abstract description 7
- 238000004422 calculation algorithm Methods 0.000 description 18
- 238000004364 calculation method Methods 0.000 description 15
- 238000012549 training Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Image Analysis (AREA)
Abstract
本申请公开了一种车辆数据更新方法、装置、设备及存储介质,涉及车辆联邦学习技术领域。该方法包括:基于目标车辆的本地模型,根据目标车辆在行驶过程中获取到的图像信息,确定目标车辆中本地模型的目标参数明文;基于目标车辆的目标字典,对目标参数明文进行加密,得到目标参数密文;从至少一个候选车辆中获取候选参数密文;基于目标车辆的目标字典,根据候选参数密文和目标参数密文,确定本地模型的更新参数,并基于更新参数,对本地模型进行更新。上述技术方案,通过车辆之间直接进行的数据交换,对目标车辆的本地模型进行更新,无需中心服务器同步,有助于提高车辆通信的效率和安全性。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及车辆联邦学习技术领域,具体涉及一种车辆数据更新方法、装置、设备及存储介质。
背景技术
随着车联网的发展,数据的安全性和隐私保护变得尤为重要。车联网的联邦学习介于集中式和分布式之间,每一个参与方都会参与计算,同时存在一个中间层基础设施。因此,在联邦学习中确保车辆终端之间和终端与中间层之间的数据传输过程的安全性是至关重要的。
传统方法中,通常在车联网联邦学习中加入同态加密技术,在车联网的联邦学习中,同态加密技术可以用于保护参与方的原始数据和模型参数,确保数据在传输过程中的安全性和隐私保护,通过使用同态加密,可以减少参与方之间的信任要求,因为他们无需共享原始数据或敏感信息,数据可以在加密的状态下进行计算和聚合,这使得车辆终端和中间层之间的数据传输过程更加安全可靠。
但车辆终端将本地模型参数发送到中央服务器进行聚合,这可能导致敏感数据的泄露风险;并且,现有的同态加密技术的运算过程中需要处理复杂的运算,计算效率低。
发明内容
本申请提供了一种车辆数据更新方法、装置、设备及存储介质,以提高车辆通信的效率和安全性。
根据本申请的一方面,提供了一种车辆数据更新方法,该方法包括:
基于目标车辆的本地模型,根据目标车辆在行驶过程中获取到的图像信息,确定所述目标车辆中本地模型的目标参数明文;
基于所述目标车辆的目标字典,对所述目标参数明文进行加密,得到目标参数密文;
从至少一个候选车辆中获取候选参数密文;
基于所述目标车辆的目标字典,根据所述候选参数密文和所述目标参数密文,确定所述本地模型的更新参数,并基于所述更新参数,对所述本地模型进行更新。
根据本申请的另一方面,提供了一种车辆数据更新装置,该装置包括:
明文确定模块,用于基于目标车辆的本地模型,根据目标车辆在行驶过程中获取到的图像信息,确定所述目标车辆中本地模型的目标参数明文;
明文加密模块,用于基于所述目标车辆的目标字典,对所述目标参数明文进行加密,得到目标参数密文;
密文获取模块,用于从至少一个候选车辆中获取候选参数密文;其中,所述候选参数密文基于所述目标参数密文得到;
数据更新模块,用于基于所述目标车辆的目标字典,根据所述候选参数密文和所述目标参数密文,确定所述本地模型的更新参数,并基于所述更新参数,对所述本地模型进行更新。
根据本申请的另一方面,提供了一种车辆数据更新系统,其特征在于,所述系统包括目标车辆终端和候选车辆终端;所述目标车辆终端与候选车辆终端之间通信连接;
所述目标车辆终端,用于获取目标车辆在行驶过程中的目标图像信息,以基于目标车辆的本地模型,根据目标图像信息,确定所述目标车辆终端中本地模型的目标参数明文;基于目标字典,对所述目标参数明文进行加密,得到目标参数密文,将所述目标参数密文发送至所述候选车辆终端;
所述候选车辆终端,用于获取候选车辆在行驶过程中的候选图像信息,以基于目标车辆的本地模型,根据候选图像信息,确定所述候选车辆终端中本地模型的候选参数明文;基于候选字典,对所述候选参数明文进行加密,得到候选参数密文,将所述候选参数密文发送至目标车辆终端;
所述目标车辆终端,用于接收所述候选参数密文,以基于所述目标车辆的目标字典,根据所述候选参数密文和所述目标参数密文,确定本地模型的更新参数,并基于更新参数,对本地模型进行更新;
所述候选车辆终端,用于接收所述目标参数密文,以基于候选字典,根据所述目标参数密文和所述候选参数密文,确定本地模型的更新参数,并基于更新参数,对本地模型进行更新。
根据本申请的另一方面,提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本申请实施例所提供的任意一种车辆数据更新方法。
根据本申请的另一方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本申请实施例所提供的任意一种车辆数据更新方法。
本申请通过基于目标车辆的本地模型,根据目标车辆在行驶过程中获取到的图像信息,确定目标车辆中本地模型的目标参数明文;基于目标车辆的目标字典,对目标参数明文进行加密,得到目标参数密文;从至少一个候选车辆中获取候选参数密文;基于目标车辆的目标字典,根据候选参数密文和目标参数密文,确定本地模型的更新参数,并基于更新参数,对本地模型进行更新。上述技术方案,通过车辆之间直接进行的数据交换,对目标车辆的本地模型进行更新,无需中心服务器同步,有助于提高车辆通信的效率和安全性。
附图说明
图1a是根据本申请实施例一提供的一种车辆数据更新方法的流程图;
图1b是根据本申请实施例一提供的一种车辆数据转换的示意图;
图2是根据本申请实施例二提供的一种车辆数据更新方法的流程图;
图3是根据本申请实施例三提供的一种车辆数据更新装置的结构示意图;
图4是根据本申请实施例四提供的一种车辆数据更新系统的结构示意图;
图5是实现本申请实施例的车辆数据更新方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
此外,还需要说明的是,本申请的技术方案中,所涉及的图像信息和目标参数明文等相关数据的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
实施例一
图1a是根据本申请实施例一提供的一种车辆数据更新方法的流程图,本实施例可适用于自动驾驶车辆联邦学习的情况,可以由车辆数据更新装置来执行,该车辆数据更新装置可以采用硬件和/或软件的形式实现,该车辆数据更新装置可配置于计算机设备中,例如车辆终端中。如图1a所示,该方法包括:
S110、基于目标车辆的本地模型,根据目标车辆在行驶过程中获取到的图像信息,确定目标车辆中本地模型的目标参数明文。
其中,目标车辆是指需要进行本地模型更新的车辆。图像信息是指目标车辆通过图像采集设备获取到的图像数据,用于描述图像的外观和结构特点,可以包括图像的像素值、图像的亮度和图像的色彩等中的至少一种。本地模型是指目标车辆在本地进行训练和推断的机器学习模型,一般用于数据隐私的保护、边缘计算、个性化定制以及联邦学习等,该模型可以是深度学习模型。目标参数明文是指本地模型输出的未加密、可读取的参数值,可以包括车速、加速度以及车辆类型等参数值。
需要说明的是,与传统的集中式机器学习不同,本地模型是将数据和计算保留在本地,不需要将原始数据传输至中心服务器进行训练。
可选的,对目标车辆在行驶过程中获取到的图像信息进行预处理,得到目标图像数据;将目标图像数据输入至目标车辆的本地模型中进行迭代训练,在训练轮次达到轮次阈值时,输出模型梯度数据,并将模型梯度数据作为目标车辆中本地模型的目标参数明文。
其中,预处理是指祛除图像信息中的无用信息和图像优化,可以包括去噪、调整亮度对比度和图像增强等中的至少一种。目标图像数据是指优化后的,可以直接用于模型训练的数据。轮次阈值是指本地模型训练轮次的上限值,是根据实际情况或经验值人为设定的。模型梯度数据是一个向量,包含了每个参数相对于损失的变化率信息,用于衡量模型参数对于损失函数的变化率,从而指导参数的更新方向和幅度。损失是指机器学习中使用的一种度量模型预测值与真实值之间的差异的指标。
S120、基于目标车辆的目标字典,对目标参数明文进行加密,得到目标参数密文。
其中,目标字典是指在车辆联邦学习任务中,用于实现对目标参数明文的加密计算的数据结构。目标参数密文是指目标参数明文通过加密算法进行加密后得到的加密文本。
需要说明的是,目标字典位于目标车辆本地,且只适用于目标车辆本身。
可选的,以目标参数明文为索引,对目标车辆的目标字典进行检索,得到目标参数密文。
其中,索引是用于提高数据访问效率的数据结构,类似于书籍的目录。
在一种可选实施方式中,目标车辆的目标字典是通过全同态加密算法和目标车辆的私钥推导得到的。
其中,目标车辆的私钥是指一串随机生成的数字,具有极高的复杂性和安全性,用于实现非对称加密、数字签名等操作。
需要说明的是,目标车辆的目标字典仅能通过私钥推导得到,无法反向推导生成私钥。
S130、从至少一个候选车辆中获取候选参数密文。
其中,候选车辆是指与目标车辆共同参与联邦学习的车辆。候选参数密文是指候选车辆经过本地字典加密后,用于更新本地参数的密文参数。
示例性的,候选参数密文的确定方式可以是,候选车辆根据候选车辆在行驶过程中获取到的候选图像数据,确定候选参数明文;基于候选车辆的候选字典,对候选参数明文进行加密,得到候选参数密文。
其中,候选字典是指在车辆联邦学习任务中,用于实现对目标参数明文的加密计算的数据结构。
需要说明的是,候选车辆的本地字典位于候选车辆本地,且只适用于候选车辆本身。
可选的,通过候选车辆终端,对目标参数密文进行梯度转换,得到候选参数密文可以是,基于候选车辆的额外字典,将目标参数密文转移至候选计算空间;通过候选车辆的候选字典和同态加密算法,对目标参数密文进行梯度转换,得到候选参数密文。
其中,候选车辆的额外字典是候选车辆中预先设置的的运算字典,用于将参与计算的参数转移至同一计算空间。候选计算空间是指用于对候选车辆与目标车辆之间的参数密文进行计算和模型训练的共享环境。
S140、基于目标车辆的目标字典,根据候选参数密文和目标参数密文,确定本地模型的更新参数,并基于更新参数,对本地模型进行更新。
其中,更新参数是指用于对本地模型进行更新的参数。
可选的,基于目标车辆的目标字典,根据候选参数密文和目标参数密文,确定本地模型的更新参数可以是,对目标参数密文和至少一个候选参数密文进行同态加法处理,得到聚合参数密文;基于目标车辆的目标字典,将聚合参数密文进行格式转换,得到本地模型的更新参数。
其中,同态加法处理是基于全同态加密算法,在密文空间执行的加法计算。聚合参数密文是指通过全同态加密算法,将目标参数密文和至少一个候选参数密文相加得到的参数密文之和。
可选的,基于更新参数,对本地模型进行更新可以是,基于全同态加密算法中的同态加法处理,将更新参数与本地模型的本地参数相加,以实现对本地模型中本地参数的更新。
其中,本地参数是指在机器学习中,存储在本地的模型参数,通常是一个向量或矩阵。
在一种可选实施方式中,在根据候选参数密文和目标参数密文,确定本地模型的更新参数之前,还需要对候选参数密文进行格式转化,将候选参数密文转换至目标参数密文的目标计算空间。
其中,目标计算空间是指本地模型中用于对目标车辆与候选车辆之间的参数密文进行计算和模型训练的共享环境。
示例性的,参见图1b,为多个密钥系统向同一计算空间进行转移的技术。用户A和用户B分别拥有不同的私钥f和私钥g;通过私钥f和私钥g对数据进行加密处理,得到密文af和bg;将密文af传递给用户B;将密文bg传递给用户A,并基于密钥交换技术,得到不同密钥态下的交换密文af,g和bg,f;基于同态加密算法,对交换密文af,g和bg,f进行加密处理;得到密文结果cf,g和cg,f;基于私钥f和私钥g的逆映射,对密文结果cf,g和cg,f进行解密,得到解密结果c。
其中,密钥交换技术是指在通信双方之间安全地交换密钥,以便进行保密通信或加密算法的使用。密钥态是一种特殊的数据表示形式,用于表示密码系统中密钥的状态或形式。
需要说明的是,对密文结果cf,g和cg,f的解密,需要同时拥有私钥f和私钥g的逆映射才可以实现。
可选的,基于目标车辆的目标字典,根据候选参数密文和目标参数密文,确定本地模型的更新参数可以是,基于目标车辆的额外字典,将候选参数密文和目标参数密文转换到目标计算空间中;基于目标车辆的目标字典和全同态加密算法,对候选参数密文和目标参数密文进行计算,确定本地模型的更新参数。
其中,额外字典是指目标车辆中预先设置的运算字典,用于将参与计算的参数转移至同一计算空间。目标计算空间是指用于对目标车辆与候选车辆之间的参数密文进行计算和模型训练的共享环境。全同态加密算法是指无需对数据进行解密,直接对加密状态下的数据进行操作,并得到正确结果的算法。
需要说明的是,目标车辆的额外字典可以与候选车辆进行共享。
进一步的,在根据目标梯度数据,对目标车辆的本地模型进行更新之后,还包括:判断对目标车辆的本地模型的更新操作是否符合更新结束条件;更新结束条件是指用于判断本地模型是否收敛的条件:若不符合,则重新确定本地模型的更新参数。
其中,更新操作是指对本地模型的数据进行更新的操作。更新结束条件是指更新操作可以结束的条件,可以包括更新次数等于或大于更新次数阈值和损失函数值的变化率小于变化率阈值等中的至少一种。收敛是指模型在训练过程中达到了一定的性能和稳定性,不再有明显的改善或变化。
示例性的,判断当前对目标车辆的本地模型的更新操作的迭代更新次数是否大于或等于更新次数阈值;若迭代更新次数大于或等于更新次数阈值,则停止目标车辆的本地模型的更新;若迭代更新次数小于更新次数阈值,则重新确定本次模型的更新参数。
其中,迭代更新次数是指当前对目标车辆的本地模型的已更新次数。更新次数阈值是指对本地模型进行迭代更新的次数上限。
可选的,重新确定本地模型的更新参数可以是,基于目标车辆更新后的本地模型,将目标图像数据输入至目标车辆更新后的本地模型中进行迭代训练,在训练轮次达到轮次阈值时,输出模型梯度数据,并将模型梯度数据作为新一轮的目标参数明文;基于目标车辆的目标字典,对目标参数明文进行加密,得到新一轮的目标参数密文;从至少一个候选车辆中获取候选参数密文;基于目标车辆的目标字典,根据新一轮的候选参数密文和新一轮的目标参数密文,确定本地模型新一轮的更新参数,并基于新一轮的更新参数,对本地模型进行更新。
在一种可选实施方式中,本申请还对全同态加密算法的底层密文计算过程进行优化,以最差情况下基本困难问题为二次多元方程组的求解难题为例,同态加密算法的底层密文计算的表达式如下:
其中,密文可以表示为C={A,X},A={ai|i∈I},X={xi|i∈I},I∈Z+。Z+是一个正整数集合。I是正整数集合Z+的一个子集,用于表示一组下标或索引。xi是自变量,具体是指待加解密的信息。yi是自变量,该自变量保密,作为密钥的一部分。f是解析函数,该解析函数的表达式同样保密,与自变量yi一起构成密钥,即密钥K={f,Y},Y={yi|i∈I}。n是一个正整数,表示项的数量或者求和的上限。aj是权重,用于调整每个项的影响力。
可以理解的是,现有的同态加密算法直接利用随机生成的自变量作为密钥,以实现对车辆联邦学习过程中的数据保护,在遇到复杂运算的时候,容易出现计算效率低下,甚至无法处理的问题。本申请在现有的同态加密算法的基础上将解析函数f的表达式作为密钥的一部分,通过将解析函数f与随机生成的自变量相结合,能够有效提高车辆通信的安全性,并且,相较于现有的同态加密算法,改进后的同态加密算法可以有效提高对车辆联邦学习过程中数据保护的精度和效率。
本申请实施例通过根据目标车辆在行驶过程中获取到的图像信息,确定目标车辆中本地模型的目标参数明文;基于目标车辆的目标字典,对目标参数明文进行加密,得到目标参数密文;从至少一个候选车辆中获取候选参数密文;基于目标车辆的目标字典,根据候选参数密文和目标参数密文,确定本地模型的更新参数,并基于更新参数,对本地模型进行更新。上述技术方案,通过车辆之间直接进行的数据交换,对目标车辆的本地模型进行更新,无需中心服务器同步,有助于提高车辆通信的效率和安全性。
实施例二
图2是根据本申请实施例二提供的一种车辆数据更新方法的流程图,本实施例在上述各实施例的技术方案的基础上,将“基于目标车辆的目标字典,对目标参数明文进行加密,得到目标参数密文”细化为“基于参数明文与参数密文之间的映射关系,以目标参数明文为索引,对目标车辆的目标字典进行检索,得到目标参数明文对应的目标参数密文”。需要说明的是,在本申请实施例中未详述部分,可参见其他实施例的相关表述。如图2所示,该方法包括:
S210、基于目标车辆的本地模型,根据目标车辆在行驶过程中获取到的图像信息,确定目标车辆中本地模型的目标参数明文。
S220、基于参数明文与参数密文之间的映射关系,以目标参数明文为索引,对目标车辆的目标字典进行检索,得到目标参数明文对应的目标参数密文。
其中,参数明文与参数密文之间的映射关系是指目标字典中存储的参数明文与参数密文之间的对应关系。
可选的,目标字典为多维键值映射数据结构;目标字典通过如下方式构建:根据自变量和密钥函数,得到自变量密文;根据自变量和明文映射函数,得到明文映射结果;根据明文映射结果和密钥函数,得到明文加密结果;根据自变量密文、明文映射结果和明文加密结果,构建多维键值映射;根据明文映射函数和多维键值映射,构建目标字典。
其中,多维键值映射数据结构是一种用于存储和查询具有多个维度键的数据的数据结构;它提供了一种灵活的方式来组织和检索数据,使得可以根据多个维度进行快速的查找和操作。密钥函数是一种用于将数据映射到密钥的函数,主要用于生成加密算法中的密钥。自变量密文是指自变量通过密钥函数加密处理得到的密文。明文映射函数是指将自变量映射到模型中的密钥函数中,用于进行模型的学习和预测的函数。明文映射结果是指自变量经由明文映射函数处理后得到的结果。明文加密结果是指将自变量映射到模型中的密钥函数,并经由密钥函数加密处理得到的结果。多维键值映射是指多个维度的自变量与自变量解密结果的对应关系。
示例性的,可通过下列公式集合对目标字典进行定义:
G={g1,g2,h1,h2};
h1(x1,x2),h2(x1,x2):R2→R;
h1(x1,x2)≠h2(x1,x2)≠x1≠x2;
其中,g1和g2是两个多维键值映射,其解析表达式未知;通常采用离散化的方法,使用取值点集合代替解析式,将自变量作为Key,函数晕眩结果作为value,构成多维键值映射结构。h1和h2为自变量映射函数,解析表达式已知,且值域覆盖了f的整个定义域。f是密钥函数,具体是指密钥中的解析函数,该解析函数表达式保密。
需要说明的是,自变量映射函数是指将自变量映射到模型中的密钥函数中,用于进行模型的学习和预测。
进一步的,若未检索到目标参数明文对应的目标参数密文,则根据目标参数明文和密钥函数,得到候选参数密文;根据目标参数明文和明文映射函数,得到参数映射明文;根据参数映射明文和密钥函数,得到参数映射密文;对候选参数密文和参数映射密文进行基本运算,得到目标参数密文。
其中,候选参数密文是指目标参数明文通过密钥函数加密处理得到的密文。参数映射明文是指目标参数明文经由明文映射函数处理后得到的结果。参数映射密文是指将目标参数明文映射到模型中的密钥函数,并经由密钥函数加密处理得到的结果。
更进一步的,建立目标参数明文与目标参数密文之间的映射关系,并根据目标参数明文与目标参数密文之间的映射关系,对目标字典进行更新。
可以理解的是,在目标字典中不存在目标参数明文与目标参数密文之间的对应关系时,对目标字典进行及时更新,有助于提高车辆联邦学习的高效性和安全性。
S230、从至少一个候选车辆中获取候选参数密文。
S240、基于目标车辆的目标字典,根据候选参数密文和目标参数密文,确定本地模型的更新参数,并基于更新参数,对本地模型进行更新。
本申请实施例通过根据目标车辆在行驶过程中获取到的图像信息,确定目标车辆中本地模型的目标参数明文;基于参数明文与参数密文之间的映射关系,以目标参数明文为索引,对目标车辆的目标字典进行检索,得到目标参数明文对应的目标参数密文;将目标参数密文发送给至少一个候选车辆,以使候选车辆基于目标参数密文确定候选参数密文;从至少一个候选车辆中获取候选参数密文;基于目标车辆的目标字典,根据候选参数密文和目标参数密文,确定本地模型的更新参数,并基于更新参数,对本地模型进行更新。上述技术方案,以目标车辆的目标字典为基准,根据目标参数明文,确定目标参数密文,在确保加密安全性的同时,提高了目标参数密文确定的效率。
实施例三
图3是根据本申请实施例三提供的一种车辆数据更新装置的结构示意图,可适用于自动驾驶车辆联邦学习的情况,该车辆数据更新装置可以采用硬件和/或软件的形式实现,该车辆数据更新装置可配置于计算机设备中,例如车辆终端中。如图3所示,该装置包括:
明文确定模块310,用于基于目标车辆的本地模型,根据目标车辆在行驶过程中获取到的图像信息,确定目标车辆中本地模型的目标参数明文;
明文加密模块320,用于基于目标车辆的目标字典,对目标参数明文进行加密,得到目标参数密文;
密文获取模块330,用于从至少一个候选车辆中获取候选参数密文;
数据更新模块340,用于基于目标车辆的目标字典,根据候选参数密文和目标参数密文,确定本地模型的更新参数,并基于更新参数,对本地模型进行更新。
本申请实施例通过基于目标车辆的本地模型,根据目标车辆在行驶过程中获取到的图像信息,确定目标车辆中本地模型的目标参数明文;基于目标车辆的目标字典,对目标参数明文进行加密,得到目标参数密文;从至少一个候选车辆中获取候选参数密文;基于目标车辆的目标字典,根据候选参数密文和目标参数密文,确定本地模型的更新参数,并基于更新参数,对本地模型进行更新。上述技术方案,通过车辆之间直接进行的数据交换,对目标车辆的本地模型进行更新,无需中心服务器同步,有助于提高车辆通信的效率和安全性。
可选的,数据更新模块340,具体用于:
对目标参数密文和至少一个候选参数密文进行同态加法处理,得到聚合参数密文;
基于目标车辆的目标字典,将聚合参数密文进行格式转换,得到本地模型的更新参数。
可选的,目标字典为多维键值映射数据结构,相应的,该装置还包括:
字典构建模块,用于根据自变量和密钥函数,得到自变量密文;根据自变量和明文映射函数,得到明文映射结果;根据明文映射结果和密钥函数,得到明文加密结果;根据自变量密文、明文映射结果和明文加密结果,构建多维键值映射;根据明文映射函数和多维键值映射,构建目标字典。
可选的,明文加密模块320,包括:
密文查找单元,用于基于参数明文与参数密文之间的映射关系,以目标参数明文为索引,对目标车辆的目标字典进行检索,得到目标参数明文对应的目标参数密文。
可选的,密文查找单元,具体用于:
若未检索到目标参数明文对应的目标参数密文,则根据目标参数明文和密钥函数,得到候选参数密文;
根据目标参数明文和明文映射函数,得到参数映射明文;
根据参数映射明文和密钥函数,得到参数映射密文;
对候选参数密文和参数映射密文进行基本运算,得到目标参数密文。
可选的,密文查找单元,还具体用于:
建立目标参数明文与目标参数密文之间的映射关系,并根据目标参数明文与目标参数密文之间的映射关系,对目标字典进行更新。
本申请实施例所提供的车辆数据更新装置可执行本申请任意实施例所提供的车辆数据更新方法,具备执行各车辆数据更新方法相应的功能模块和有益效果。
实施例四
图4是根据本申请实施例四提供的一种车辆数据更新系统的结构示意图,可适用于自动驾驶车辆联邦学习的情况。
如图4所示,该系统包括:
所述系统包括目标车辆终端410和候选车辆终端420;所述目标车辆终端410与候选车辆终端420之间通信连接;
所述目标车辆终端410,用于获取目标车辆在行驶过程中的目标图像信息,以基于目标车辆的本地模型,根据目标图像信息,确定所述目标车辆终端中本地模型的目标参数明文;基于目标字典,对所述目标参数明文进行加密,得到目标参数密文,并将所述目标参数密文发送至所述候选车辆终端420;
所述候选车辆终端420,用于获取候选车辆在行驶过程中的候选图像信息,以基于候选车辆的本地模型,根据候选图像信息,确定所述候选车辆终端中本地模型的候选参数明文;基于候选字典,对所述候选参数明文进行加密,得到候选参数密文,并将所述候选参数密文发送至目标车辆终端410;
所述目标车辆终端410,还用于接收所述候选参数密文,以基于所述目标车辆的目标字典,根据所述候选参数密文和所述目标参数密文,确定本地模型的更新参数,并基于更新参数,对本地模型进行更新;
所述候选车辆终端420,还用于接收所述目标参数密文,以基于候选字典,根据所述目标参数密文和所述候选参数密文,确定本地模型的更新参数,并基于更新参数,对本地模型进行更新。
本申请实施例通过基于目标车辆的本地模型,根据目标车辆在行驶过程中获取到的图像信息,确定目标车辆中本地模型的目标参数明文;基于目标车辆的目标字典,对目标参数明文进行加密,得到目标参数密文;从至少一个候选车辆中获取候选参数密文;基于目标车辆的目标字典,根据候选参数密文和目标参数密文,确定本地模型的更新参数,并基于更新参数,对本地模型进行更新。上述技术方案,通过车辆之间直接进行的数据交换,对目标车辆的本地模型进行更新,无需中心服务器同步,有助于提高车辆通信的效率和安全性。
本申请实施例所提供的车辆数据更新系统可执行本申请任意实施例所提供的车辆数据更新方法,具备执行各车辆数据更新方法相应的功能模块和有益效果
实施例五
图5是实现本申请实施例的车辆数据更新方法的电子设备510的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示,电子设备510包括至少一个处理器511,以及与至少一个处理器511通信连接的存储器,如只读存储器(ROM)512、随机访问存储器(RAM)513等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器511可以根据存储在只读存储器(ROM)512中的计算机程序或者从存储单元518加载到随机访问存储器(RAM)513中的计算机程序,来执行各种适当的动作和处理。在RAM513中,还可存储电子设备510操作所需的各种程序和数据。处理器511、ROM512以及RAM513通过总线514彼此相连。输入/输出(I/O)接口515也连接至总线514。
电子设备510中的多个部件连接至I/O接口515,包括:输入单元516,例如键盘、鼠标等;输出单元517,例如各种类型的显示器、扬声器等;存储单元518,例如磁盘、光盘等;以及通信单元519,例如网卡、调制解调器、无线通信收发机等。通信单元519允许电子设备510通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器511可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器511的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器511执行上文所描述的各个方法和处理,例如车辆数据更新方法。
在一些实施例中,车辆数据更新方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元518。在一些实施例中,计算机程序的部分或者全部可以经由ROM512和/或通信单元519而被载入和/或安装到电子设备510上。当计算机程序加载到RAM513并由处理器511执行时,可以执行上文描述的车辆数据更新方法的一个或多个步骤。备选地,在其他实施例中,处理器511可以通过其他任何适当的方式(例如,借助于固件)而被配置为车辆数据更新方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程车辆数据更新装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (10)
1.一种车辆数据更新方法,其特征在于,包括:
基于目标车辆的本地模型,根据所述目标车辆在行驶过程中获取到的图像信息,确定所述目标车辆中本地模型的目标参数明文;
基于所述目标车辆的目标字典,对所述目标参数明文进行加密,得到目标参数密文;
从至少一个候选车辆中获取候选参数密文;
基于所述目标车辆的目标字典,根据所述候选参数密文和所述目标参数密文,确定所述本地模型的更新参数,并基于所述更新参数,对所述本地模型进行更新。
2.根据权利要求1所述的方法,其特征在于,基于所述目标车辆的目标字典,根据所述候选参数密文和所述目标参数密文,确定所述本地模型的更新参数,包括:
对所述目标参数密文和所述至少一个候选参数密文进行同态加法处理,得到聚合参数密文;
基于所述目标车辆的目标字典,将所述聚合参数密文进行格式转换,得到所述本地模型的更新参数。
3.根据权利要求1所述的方法,其特征在于,所述目标字典为多维键值映射数据结构;所述目标字典通过如下方式构建:
根据自变量和密钥函数,得到自变量密文;
根据自变量和明文映射函数,得到明文映射结果;
根据明文映射结果和密钥函数,得到明文加密结果;
根据自变量密文、明文映射结果和明文加密结果,构建多维键值映射;
根据明文映射函数和多维键值映射,构建目标字典。
4.根据权利要求3所述的方法,其特征在于,基于所述目标车辆的目标字典,对所述目标参数明文进行加密,得到目标参数密文,包括:
基于参数明文与参数密文之间的映射关系,以所述目标参数明文为索引,对所述目标车辆的目标字典进行检索,得到目标参数明文对应的目标参数密文。
5.根据权利要求4所述的方法,其特征在于,基于所述目标车辆的目标字典,对所述目标参数明文进行加密,得到目标参数密文,包括:
若未检索到目标参数明文对应的目标参数密文,则根据目标参数明文和密钥函数,得到候选参数密文;
根据所述目标参数明文和明文映射函数,得到参数映射明文;
根据所述参数映射明文和所述密钥函数,得到参数映射密文;
对所述候选参数密文和所述参数映射密文进行基本运算,得到目标参数密文。
6.根据权利要求5所述的方法,其特征在于,还包括:
建立所述目标参数明文与所述目标参数密文之间的映射关系,并根据所述目标参数明文与所述目标参数密文之间的映射关系,对目标字典进行更新。
7.一种车辆数据更新装置,其特征在于,包括:
明文确定模块,用于基于目标车辆的本地模型,根据目标车辆在行驶过程中获取到的图像信息,确定所述目标车辆中本地模型的目标参数明文;
明文加密模块,用于基于所述目标车辆的目标字典,对所述目标参数明文进行加密,得到目标参数密文;
密文获取模块,用于从至少一个候选车辆中获取候选参数密文;其中,所述候选参数密文基于所述目标参数密文得到;
数据更新模块,用于基于所述目标车辆的目标字典,根据所述候选参数密文和所述目标参数密文,确定所述本地模型的更新参数,并基于所述更新参数,对所述本地模型进行更新。
8.一种车辆数据更新系统,其特征在于,所述系统包括目标车辆终端和候选车辆终端;所述目标车辆终端与候选车辆终端之间通信连接;
所述目标车辆终端,用于获取目标车辆在行驶过程中的目标图像信息,以基于目标车辆的本地模型,根据目标图像信息,确定所述目标车辆终端中本地模型的目标参数明文;基于目标字典,对所述目标参数明文进行加密,得到目标参数密文,并将所述目标参数密文发送至所述候选车辆终端;
所述候选车辆终端,用于获取候选车辆在行驶过程中的候选图像信息,以基于候选车辆的本地模型,根据候选图像信息,确定所述候选车辆终端中本地模型的候选参数明文;基于候选字典,对所述候选参数明文进行加密,得到候选参数密文,并将所述候选参数密文发送至目标车辆终端;
所述目标车辆终端,还用于接收所述候选参数密文,以基于所述目标车辆的目标字典,根据所述候选参数密文和所述目标参数密文,确定本地模型的更新参数,并基于更新参数,对本地模型进行更新;
所述候选车辆终端,还用于接收所述目标参数密文,以基于候选字典,根据所述目标参数密文和所述候选参数密文,确定本地模型的更新参数,并基于更新参数,对本地模型进行更新。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6任一项所述的车辆数据更新方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6任一项所述的车辆数据更新方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410226317.0A CN117971274A (zh) | 2024-02-29 | 2024-02-29 | 一种车辆数据更新方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410226317.0A CN117971274A (zh) | 2024-02-29 | 2024-02-29 | 一种车辆数据更新方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117971274A true CN117971274A (zh) | 2024-05-03 |
Family
ID=90864399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410226317.0A Pending CN117971274A (zh) | 2024-02-29 | 2024-02-29 | 一种车辆数据更新方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117971274A (zh) |
-
2024
- 2024-02-29 CN CN202410226317.0A patent/CN117971274A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112016632B (zh) | 模型联合训练方法、装置、设备和存储介质 | |
EP3035587A1 (en) | Hypersphere-based multivariable public key signature/verification system and method | |
CN114065252A (zh) | 一种带条件检索的隐私集合求交方法、装置及计算机设备 | |
WO2023240934A1 (zh) | 针对隐私向量的安全处理方法和装置 | |
CN111143862B (zh) | 数据处理方法、查询方法、装置、电子设备和系统 | |
CN115510502B (zh) | 一种隐私保护的pca方法及系统 | |
EP4195084A1 (en) | Method and device for adjusting model parameters, and storage medium and program product | |
CN111767411A (zh) | 知识图谱表示学习优化方法、设备及可读存储介质 | |
CN113449872B (zh) | 基于联邦学习的参数处理方法、装置和系统 | |
CN113794706B (zh) | 数据的处理方法、装置、电子设备及可读存储介质 | |
CN116781425B (zh) | 一种业务数据获取方法、装置、设备及存储介质 | |
CN116633688B (zh) | 一种aigc服务隐私保护方法和设备 | |
CN111046431B (zh) | 数据处理方法、查询方法、装置、电子设备和系统 | |
CN117971274A (zh) | 一种车辆数据更新方法、装置、设备及存储介质 | |
US11748661B2 (en) | Training method and apparatus for a distributed machine learning model and medium | |
CN116405199A (zh) | 基于ntru算法和sm2算法的加密方法、装置、设备和介质 | |
CN115858914A (zh) | 一种匿踪查询方法、装置、系统、终端设备及存储介质 | |
CN112580087B (zh) | 加密数据搜索方法及装置、存储介质、电子设备 | |
CN113824546B (zh) | 用于生成信息的方法和装置 | |
CN116090017B (zh) | 一种基于Paillier的联邦学习数据隐私保护方法 | |
Matsumoto et al. | IoT device friendly leveled homomorphic encryption protocols | |
CN117688594B (zh) | 数据库加密混淆的方法、装置、设备及存储介质 | |
CN115935429B (zh) | 一种数据处理方法、装置、介质以及电子设备 | |
US20240205015A1 (en) | Secure computation of shared data intersections | |
CN116915922B (zh) | 图像的传输方法及装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |