摘要： 隨著車聯(lián)網(wǎng)的發(fā)展，快速增長的智能汽車產(chǎn)生了海量的用戶數(shù)據(jù).這些海量的數(shù)據(jù)對訓練智能化的車聯(lián)網(wǎng)應用模型有極高的價值.傳統(tǒng)的智能模型訓練需要在云端集中式地收集原始數(shù)據(jù)，這將消耗大量通信資源并存在隱私泄露和監(jiān)管限制等問題.聯(lián)邦學習提供了一種模型傳輸代替數(shù)據(jù)傳輸?shù)姆植际接柧毞妒接糜诮鉀Q此類問題.然而，在實際的聯(lián)邦學習系統(tǒng)中，存在惡意用戶通過偽造本地模型騙取服務器獎勵的情況，即搭便車攻擊... （共14頁）