面向智能交通的安全高效个性化联邦学习框架OA
Secure and efficient personalized federated learning framework for intelligent transportation
区块链与联邦学习的融合为智能交通系统提供了一种去中心化、隐私保护的数据协同方案.然而终端设备类型多样、数据分布呈非独立同分布(Non-IID),且传统单链结构难以满足高并发训练的吞吐与延迟需求.为此,提出一种安全高效的个性化联邦学习框架(SCPFL),利用区块链分片按节点地理区域划分网络,实现分片内并行训练与聚合以提升可扩展性和吞吐率;同时,引入基于余弦相似度的个性化方法,在支持个性化模型生成的同时促进跨分片知识共享;并设计筛选与激励双重机制,以抵御恶意节点并提升设备参与度.实验表明,SCPFL在CIFAR-10、MNIST和交通标志数据集GTSRB上的模型性能均优于基线方法,其中相较主流个性化方法(如Ditto)最高可提升18.3％的精度,收敛速度最快提高50％;在系统效率上,相较传统基于主子链的联邦学习架构,系统吞吐量提高约53％,同时处理时间、CPU和内存消耗分别降低33.3％、17.7％和19.7％.
Blockchain-federated learning(FL)integration enables decentralized and privacy-preserving collaboration in intel-ligent transportation systems,but device heterogeneity,non-IID data,and single-chain bottlenecks limit scalability and effi-ciency.This paper proposed a secure and cost-efficient personalized federated learning(SCPFL)framework.By leveraging blockchain sharding,SCPFL supported parallel training and aggregation across regions,while a cosine-similarity-based perso-nalization method balanced individual adaptation and cross-shard knowledge sharing.A dual mechanism of filtering and incen-tives further enhanced robustness and participation.Experiments on CIFAR-10,MNIST,and German traffic sign recognition benchmark(GTSRB)datasets show that SCPFL improves accuracy by up to 18.3％and accelerates convergence by 50％com-pared with the state-of-the-art personalized baselines(e.g.,Ditto).In terms of system efficiency,SCPFL achieves 53％higher throughput and reduces processing time,CPU,and memory usage by 33.3％,17.7％,and 19.7％over traditional main-subchain FL architectures.
王逸飞;胡颍;蔡婷;陈炜;吴雨芯;李晓丽;叶志伟
湖北工业大学 计算机学院,武汉 430068||湖北工业大学 绿色智能算力网络湖北省重点实验室,武汉 430068湖北工业大学 计算机学院,武汉 430068||湖北工业大学 绿色智能算力网络湖北省重点实验室,武汉 430068湖北工业大学 计算机学院,武汉 430068||湖北工业大学 绿色智能算力网络湖北省重点实验室,武汉 430068湖北工业大学 计算机学院,武汉 430068湖北文理学院计算机学院,湖北襄阳 441053湖北文理学院计算机学院,湖北襄阳 441053湖北工业大学 计算机学院,武汉 430068||湖北工业大学 绿色智能算力网络湖北省重点实验室,武汉 430068
信息技术与安全科学
个性化联邦学习区块链分片安全激励机制智能交通系统
personalized federated learningsharding blockchainsecurityincentive mechanismintelligent transportation system(ITS)
《计算机应用研究》 2026 (3)
712-719,8
国家自然科学基金资助项目(62302154,U23A20318,62306108,62376089)湖北省自然科学基金资助项目(2024AFB882)湖工大博士科研启动基金资助项目(XJ2022006701)智能感知系统与安全教育部重点实验室开放基金资助项目(KLISSS202404)湖北省教育厅科研重点项目(D20242602)湖北省高等学校优秀中青年科技创新团队计划资助项目(T2023007)
评论