TY -的A2周Nanrun AU - Wang Yaojie AU -崔,枭龙AU -高,志强AU -甘,Bo PY - 2020 DA - 2020/11/21 TI - Fed-SCNN:联合Shallow-CNN识别框架,分心驾驶SP - 6626471六世- 2020 AB -尽管分心驾驶识别交通安全具有重要意义,司机不愿意提供自己的个性化驾驶因为隐私保护数据机器学习。如何提高分心驾驶识别的准确性的基础上确保隐私保护吗?解决这个问题,我们提出了联合shallow-CNN识别框架(Fed-SCNN)。首先,混合模型是建立在客户端通过款和shallow-CNN,识别数据的车载图像和上传加密参数到云上。其次,云服务器上执行联合学习主要通过建立一个全球云款模型参数。最后,在用户端更新款进一步优化混合模型。上面的三个步骤是不断循环迭代当地的混合模型。Fed-SCNN框架是一个动态的学习过程,地址数据隔离和隐私保护的两个主要问题。与现有的机器学习方法相比,Fed-SCNN准确性有很大优势,安全,效率和安全驾驶领域的重要应用价值。SN - 1939 - 0114 UR - https://doi.org/10.1155/2020/6626471 - 10.1155 / 2020/6626471摩根富林明安全和通信网络PB - Hindawi KW - ER