Resumen

Las aplicaciones del Internet de los Vehículos (IoV) hacen la vida de los seres humanos más inteligente y conveniente. Sin embargo, en la actualidad, existen algunos problemas en el IoV, como los silos de datos y la escasa preservación de la privacidad. Para abordar los desafíos en el IoV, proponemos un marco de trabajo de aprendizaje federado basado en blockchain (BFLP). BFLP permite que los modelos se entrenen sin necesidad de compartir datos en bruto, y puede elegir el método de aprendizaje federado más adecuado según los escenarios de aplicación reales. Considerando la escasa potencia de cómputo de los sistemas de vehículos, construimos un algoritmo de cifrado ligero llamado CPC para proteger la privacidad. Para verificar el marco propuesto, realizamos experimentos en escenarios de evasión de obstáculos y pronóstico de tráfico. Los resultados muestran que el marco propuesto puede proteger eficazmente la privacidad del usuario, y es más estable y eficiente en comparación con la técnica de aprendizaje automático tradicional. También comparamos el algoritmo CPC con otros algoritmos de cifrado. Y los resultados muestran que su costo de cálculo es mucho menor en comparación con otros algoritmos de cifrado simétrico.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Aplicaciones; Internet de los vehículos; Pool de aprendizaje federado basado en blockchain; Preservación de la privacidad; Algoritmo de cifrado ligero; Experimentos.
• Keywords:Applications; Internet of vehicles; Blockchain-based federated learning pool; Privacy preservation; Lightweight encryption algorithm; Experiments