来源：期刊VIP网 时间：
作者：江荣旺;梁志勇;龙草芳;杨明;
单位：三亚学院信息与智能工程学院;容淳铭院士工作站;
摘要：由于集中式数据中心存在隐私泄露问题，使得车联网恶意攻击检测缺乏真实数据和最新数据，导致基于人工智能技术的车联网恶意行为检测的发展受到了限制。为了解决上述车联网恶意攻击检测缺乏真实数据和最新数据等问题，文中提出基于联邦学习和区块链技术的车联网恶意行为检测框架。文中所提框架是一种基于边缘服务器的分布式架构，允许多个边缘节点在保护隐私的同时安全合作；该框架还包括基于区块链技术的信任管理模块，用于维护车联网内联邦学习过程所使用数据的可靠性和可信度；信任管理模块管理各节点的信任数据，保证联邦学习训练过程的完整性和可靠性。实验所使用的数据集是VeReMi数据集。实验结果表明，所提框架在保护隐私的情况下，也具有较高的恶意行为检测性能。减少通信延迟，提高系统整体安全性；联邦学习在保护隐私的情况下实现车辆之间的协作学习；区块链则确保了联邦学习训练过程中数据的可信度和可靠性。
关键词：车联网;;隐私保护;;恶意行为检测;;联邦学习;;区块链;;集中式;;分布式;;机器学习
基金资助：海南省重点研发项目(ZDYF2023GXJS007);; 三亚学院校级项目(USYYB22-07);三亚学院重大专项课题(USY22XK-04);三亚学院人才项目(USYRC19-04);三亚学院产品思维导向特色课程改革项目(SYJKCP2023159);; 海南省教育厅重点科研项目(Hnky2023ZD-14)
