y - JOUR A2 - Yang, Xiaoxian AU - Peng, Yongqiang AU - Chen, Zongyao AU - Chen, Zexuan AU - Ou, Wei AU - Han, Wenbao AU - Ma, Jianqiang PY - 2021 DA - 2021/03/02 TI - BFLP:SP - 6633332 VL - 2021 AB -车联网的应用，让人类的生活更加智能化、便捷。但目前车联网存在着数据孤岛、隐私保护差等问题。为了应对车联网的挑战，我们提出了基于区块链的联合学习池(BFLP)框架。BFLP允许模型在不共享原始数据的情况下进行训练，可以根据实际应用场景选择最适合的联合学习方法。考虑到车辆系统计算能力较差的问题，我们构建了一种轻量级的加密算法CPC来保护隐私。为了验证提出的框架，我们在避障和交通预测场景中进行了实验。结果表明，该框架能够有效地保护用户的隐私，与传统的机器学习技术相比更加稳定和高效。并将CPC算法与其他加密算法进行了比较。结果表明，与其他对称加密算法相比，该算法的计算成本大大降低。 SN - 1574-017X UR - https://doi.org/10.1155/2021/6633332 DO - 10.1155/2021/6633332 JF - Mobile Information Systems PB - Hindawi KW - ER -