当前已经有研究将雾环境与联邦学习结合应用在车联网隐私保护中，但是缺乏对车辆移动性可能导致隐私需求改变的问题的考虑。为此，文中基于区域内车辆终端数目，提出了在不同的隐私需求下实施不同的隐私保护和效率调整的方案，在同态加密方案中进行双重加密聚合并且动态调整本地迭代次数，在差分隐私方案中动态调整每轮云聚合与雾聚合次数。实验表明，在区域内车辆终端数不同的情况下，本方案满足在隐私计算的同时保持较高精度。
科研之友
微信
新浪微博
Facebook
分享链接
