跳到正文
arXiv cs.AI· Tahir H. Ahmed, Jun Jiat Tiang, Azwan Mahmud, Dinh-Thuan Do, Truong Tran, Shahid Mumtaz·· 4 小时前AI 评分18

基于区块链6G与联邦学习的车对车(V2V)通信方案

V2V Communications Using Blockchain-Enabled 6G Technology and Federated Learning

AI 导读

一项研究提出融合区块链、联邦学习与延迟/资源分配优化的V2V通信方案,通过PDR、模型准确率和延迟等指标评测,表现优于现有技术。系统借助共识优化与k-匿名增强数据隐私安全,相比传统5G实现更高可靠性、更低延迟和更好资源利用率。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:本研究提出了一种有趣的车辆间(V2V)通信方法,该方法集成了区块链技术、联邦学习(FL)以及时延与资源的分配优化。研究使用多种性能指标评估了所提出的系统,例如数据包投递率(PDR)、模型准确率和时延,并证明了其优于现有技术。此外,该系统通过共识优化和 k-匿名性来增强数据隐私安全性。总体而言,所提出的系统是在网联和自动驾驶汽车时代实现高效、安全 V2V 通信的一种有前景的解决方案。此外,与传统 5G 相比,所提出的方法实现了更高的可靠性、更低的时延和更好的资源利用率。
主题: 网络与互联网架构(cs.NI);人工智能(cs.AI);密码学与安全(cs.CR);机器学习(cs.LG)
引用为: arXiv:2611.21932 [cs.NI]
  (或本版本的 arXiv:2611.21932v1 [cs.NI])
  https://doi.org/10.48550/arXiv.2611.21932

由 DataCite 颁发的 arXiv DOI(待注册)

期刊 参考: GLOBECOM 2023 - 2023 IEEE 全球通信会议,第 1302-1307 页
相关 DOI: https://doi.org/10.1109/GLOBECOM54140.2023.10437406

链接到相关资源的 DOI

提交历史

来自:Truong Tran [查看电子邮件]
[v1] 2026 年 11 月 16 日星期一 21:46:07 UTC(607 KB)

来源:arXiv cs.AI · arxiv.org