Los puntos clave no están disponibles para este artículo en este momento.
Para garantizar la agregación de un modelo global de alta calidad durante el proceso de intercambio de datos en el Internet de los vehículos (IoV), los enfoques actuales utilizan principalmente la detección de gradientes para mitigar actualizaciones de parámetros maliciosos o de baja calidad. Sin embargo, implementar la detección de gradientes en texto claro descuida una adecuada protección de la privacidad de los datos vehiculares. Este artículo propone el IoV-BDSS, un nuevo esquema de intercambio de datos que integra blockchain y tecnologías de privacidad híbridas para proteger datos privados en la detección de gradientes. Este artículo utiliza la distancia euclidiana para filtrar la similitud entre vehículos y gradientes, seguido de la encriptación de los gradientes filtrados utilizando compartición secreta. Además, este artículo evalúa la contribución y credibilidad de los nodos participantes, asegurando así el almacenamiento seguro de modelos de alta calidad en la blockchain. Los resultados experimentales demuestran que nuestro enfoque logra el intercambio de datos mientras preserva la privacidad y la precisión. También exhibe resistencia contra ataques de envenenamiento del 30%, con una tasa de error de prueba que se mantiene por debajo de 0.16. Además, nuestro esquema incurre en una menor sobrecarga computacional y una velocidad de inferencia más rápida, reduciendo marcadamente los costos experimentales en aproximadamente un 26% en comparación con métodos similares, lo que lo hace adecuado para sistemas de IoV altamente dinámicos con comunicación inestable.
Wang et al. (Fri,) estudiaron esta cuestión.