原创力文档- 1、本文档共61页，其中可免费阅读23页，需付费100金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要文章针对车联网和人工智能技术发展的背景下，基于联邦学习的智能网联车自动驾驶策略的研究，提出了基于联邦学习的智能网联车驾驶策略优化方案，并设计了一种声誉联邦学习的节能客户端选择方案通过对车联网场景下的数据量不足及隐私问题的处理，文中还揭示了车联网场景中恶意节点对全局模型进行攻击导致的模型中毒和精度下降等问题最后，作者还指出了如何根据实时反馈调整优化方案，使得系统能够在最佳状态下运行
中文摘要
随着车联网和人工智能技术的快速发展，联邦学习作为新兴机器学习范式，在
保护隐私、降低通信开销方面有着独特的优势。在现有基于联邦学习的智能网联车
场景中数据量不足以及隐私问题严重限制了车辆的驾驶策略优化问题，并导致了车
辆的模型精度不足，甚至影响到车辆的安全性。同时在联邦学习过程中，恶意节点
对全局模型进行攻击，导致模型中毒以及精度下降，为了保证模型可靠性，加快收
敛速度，降低通信开销，对恶意节点进行辨别是联邦学习的一大挑战。本文研究车
联网场景中基于联邦学习智能网联车驾驶策略优化，以及联邦学习中客
文档评论（0）