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
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