Blockchain Empowered Asynchronous Federated Learning for Secure Data Sharing in IoV

1）提出了一种区块链DAG混合模型，它由一个主许可区块链（由路边单元RSU维护）和一个局部有向无环图（由车辆运行，以实现车辆间的数据共享）组成。
2）提出了一种异步联邦学习方案，挑选参与节点来提高效率，节点选择算法。
3）通过将学习的参数整合到区块链模型中，并通过两阶段验证来验证这些参数的质量，从而提高学习模型的可靠性。

引言

IOV中移动车辆产生大量不同的数据：轨迹、交通信息、多媒体信息等附加数据。高效利用数据，提升乘车体验。数据共享面临：

1. 车辆之间的通信不可靠；
2. 安全和隐私。

MEC（多访问边缘计算）：设备到设备通信，实现边缘设备信息共享。安全问题没有解决。
区块链技术：路边单元维护联盟链，维护区块链产生额外的计算和通信。研究重点：消除AI和区块链整合的资源消耗。
联邦学习：分布式隐私保护边缘计算。局部训练，梯度下降优化算法，将参数送到服务器进行聚合。
车辆系统中的问题：

• 区块链计算效率
• 数据质量
• 联合学习的延迟，异构通信和计算

基于区块链异步联邦学习

车辆Vi：发出对于路况或者路径的请求。不诚实的，可能会提供恶意的本地模型。计算率和通信率。我们会量化模型的质量。
RSU和MBS基站节点。<