[发明专利]一种汽车智能网联车机的数据安全保护方法

说明书

本发明公开了一种汽车智能网联车机的数据安全保护方法，应用于车载主机，所述车载主机为服务器中目标模型联邦学习的一个节点，用于接收目标模型，所述方法包括：车载主机中设置Shuffle模型，由Shuffle模型接收服务器的模型参数，再将模型参数发送至车载主机中的目标模型；当汽车在自动驾驶时，根据汽车自动驾驶产生的数据对所述车载终端中的目标模型进行训练，并得到训练后目标模型的节点参数；将节点参数上传至Shuffle模型中进行加密化，然后由Shuffle模型将加密的节点参数上传至服务器，服务器对其进行解密，根据解密后的节点参数更新服务器中的目标模型。本发明可以提高车载主机数据的安全性，提高了攻击者获取隐私数据的难度。

技术领域

本发明涉及汽车网联技术领域，特别涉及一种汽车智能网联车机的数据安全保护方法。

背景技术

自动驾驶汽车是一种在配置有车载终端的电动汽车中，为了满足驾驶等需求，可在车载终端中使用机器学习的模型，用于不断的对机器模型进行训练和更新。在现有相关技术中，由于机器学习需要整合多方数据来训练模型，该模型均在服务器维护，车载终端运行相应软件时，可请求服务器进行处理，此时，服务器可将自车载终端接收到的数据输入模型，进而将模型反馈的结果发送至车载终端。

然而，在该过程中，车载终端的数据需上传至服务器，不论是用户相关数据还是车辆相关数据，均可能涉及到用户的隐私，将其均上传至服务器易于造成数据的安全隐患。

发明内容

本发明的目的在于，提供一种汽车智能网联车机的数据安全保护方法。本发明可以提高车载主机数据的安全性，提高了攻击者获取隐私数据的难度。

本发明的技术方案：一种汽车智能网联车机的数据安全保护方法，应用于车载主机，所述车载主机为服务器中目标模型联邦学习的一个节点，用于接收目标模型，所述方法包括：

车载主机中设置Shuffle模型，由Shuffle模型接收服务器的模型参数，再将模型参数发送至车载主机中的目标模型；

当汽车在自动驾驶时，根据汽车自动驾驶产生的数据对所述车载终端中的目标模型进行训练，并得到训练后目标模型的节点参数；

将节点参数上传至Shuffle模型中进行加密化，然后由Shuffle模型将加密的节点参数上传至服务器，服务器对其进行解密，根据解密后的节点参数更新服务器中的目标模型。

上述的汽车智能网联车机的数据安全保护方法，所述Shuffle模型采用的是内部打乱类型的Knuth-Durstenfeld Shuffle算法。

前述的汽车智能网联车机的数据安全保护方法，所述的Knuth-DurstenfeldShuffle算法的输入为数组大小为n的数组arr，分别存放1到n的数字；Knuth-DurstenfeldShuffle算法的输出为处理后的数组arr′，实现步骤如下：

Step1：生成一个0到n-1的随机数x；

Step2：输出下标为x的数值，即为第一个随机数；

Step3：将arr当前的尾元素与第x个元素交换；

Step4：将步骤1改为生成一个0到n-2的随机数，并将arr的倒数第二个元素和下标为x的元素互换；

Step5：以步骤4类推，重复执行直到输出m个数为止。

前述的汽车智能网联车机的数据安全保护方法，所述车载主机中的目标模型训练采用CNN作为模型训练的算法，CNN算法由以下几层构成：输入层、卷积层，ReLU层、池化层和全连接层，其中卷积层和全连接层中的参数会随着梯度下降被训练，训练过程采用反向传播算法来优化网络结构，通过不断的训练来求解网络中的未知参数。

前述的汽车智能网联车机的数据安全保护方法，所述服务器中的目标模型更新采用局部随机梯度下降算法。