公开(公告)号：CN116633523A

公开(公告)日：2023-08-22

申请号：CN202310636636.4

申请日：2023-05-31

Applicant: 重庆邮电大学

Inventor： 黄晓舸 ,  尹宏博 ,  吴雨航 ,  王依琪 ,  陈前斌

IPC: H04L9/00 ,  H04L67/12 ,  H04L41/14 ,  H04L49/102 ,  H04L49/103

Abstract: 本发明涉及一种基于区块链的车联网安全数据共享方法，属于移动通信技术领域。首先建立了车联网场景的云‑边‑端三层网络模型。然后，提出双层区块链架构赋能数据共享过程，进一步提出共享策略和异步分区共享方法。该方案可实现车联网场景下，安全高效的异步模型共享同时保护了用户车辆的数据隐私。该方案在车辆移动场景下最大化共享效率，高效利用边缘网络和用户数据资源，打破车联网场景下人工智能应用的瓶颈。

公开(公告)号：CN116588138A

公开(公告)日：2023-08-15

申请号：CN202310562721.0

申请日：2023-05-18

Applicant: 重庆邮电大学

Inventor： 黄晓舸 ,  吴雨航 ,  尹宏博 ,  王依琪 ,  陈前斌

IPC: B60W60/00 ,  H04W4/40 ,  H04L67/104 ,  H04L67/12 ,  B60W50/00 ,  B60W40/00 ,  G06N20/00 ,  G06N3/098 ,  G06N3/096

Abstract: 本发明涉及一种基于区块链的分布式智能辅助自动驾驶方法，属于移动通信技术领域。首先建立基于有向无环图DAG区块链的双层网络模型并设计该模型下的异步联邦学习方案；其次，在本地训练阶段采用知识蒸馏技术以实现异步联邦学习中低负载的模型交互；然后，从高质量、高安全和高效率角度建立基于比例‑积分‑微分PID控制的自动驾驶决策模型，并基于深度确定性策略梯度DDPG算法优化CAV加速控制；最后，提出一种基于DAG区块链的移动感知异步联邦蒸馏学习MAFDL算法。本方案在保证安全低负载CAV协同训练的前提下，有效辅助CAV智能驾驶决策。

公开(公告)号：CN115378961A

公开(公告)日：2022-11-22

申请号：CN202210980496.8

申请日：2022-08-16

Applicant: 重庆邮电大学

Inventor： 黄晓舸 ,  吴雨航 ,  尹宏博 ,  刘真伟

IPC: H04L67/1097 ,  H04L67/12 ,  H04L67/1074

Abstract: 本发明涉及一种基于区块链的分层联邦学习方法，属于移动通信技术领域。基于用户数据Non‑IID程度对用户分组，以提高联邦学习准确率，降低网络总代价。首先，根据用户数据Non‑IID程度关联边缘服务器，提高边缘模型精度；其次，通过优化用户算力与通信资源分配，降低任务处理时延和能耗；然后，提出一种用户关联和资源分配联合优化算法ARO；最后，在聚合阶段，采用侧链技术将联邦学习的边缘模型存储于侧链区块中，从而降低共识时延。本方案在保证模型精度的前提下，有效降低系统时延与功耗。

公开(公告)号：CN115238906A

公开(公告)日：2022-10-25

申请号：CN202210916511.2

申请日：2022-08-01

Applicant: 重庆邮电大学

Inventor： 黄晓舸 ,  尹宏博 ,  吴雨航 ,  刘真伟

IPC: G06N20/00 ,  G06F21/62 ,  G06F16/27 ,  G06F16/23 ,  H04L67/12

Abstract: 本发明涉及一种车联网中基于区块链的异步联邦学习方法，属于移动通信技术领域。该方法为：任务发布车辆向边缘网络中路边单元维护的区块链网络发起学习任务，同时将初始模型上传至区块链网络；任务训练车辆与临近路边单元建立连接；任务训练车辆从边缘网络获取当前待验证和待聚合模型；任务训练车辆根据本地数据集训练中获得的全局模型，得到更新后的全局模型；任务训练车辆与边缘网络中临近路边单元建立连接，上传至区块链网络。上传成功后，路边单元将返回成功信息给任务训练车辆；直到学习任务收敛，任务发布车辆将任务终止信息发送至路边单元，该任务训练结束。车辆可通过车载传感器实时收集数据用于机器学习，且不用担心隐私泄露问题。

公开(公告)号：CN115049071A

公开(公告)日：2022-09-13

申请号：CN202210656438.X

申请日：2022-06-10

Applicant: 重庆邮电大学

Inventor： 黄晓舸 ,  邓雪松 ,  任洋 ,  尹宏博

IPC: G06N20/00 ,  G06F16/27

Abstract: 本发明涉及一种基于DAG区块链的联邦学习方法，属于通信技术领域。该方法包括以下步骤：外部代理作为任务发起者，边缘服务器承担模型聚合以及区块链维护工作，智能设备执行模型训练任务；外部代理初始化全局模型及创世块，决定训练任务的生灭；边缘服务器从DAG区块链上选取tips；智能设备使用本地数据集进行本地训练，完成一轮本地训练后，向边缘服务器发送状态查询信息以确认是否进行下一轮本地训练；智能设备完成本地训练后，将已更新模型上传至边缘服务器进行聚合，并将聚合模型作为一个交易上传至DAG区块链；边缘节点负责模型聚合，且共同维护一个DAG区块链以保障信息的传输可靠性以及整体系统的抗攻击能力。