[发明专利]一种基于联邦学习的交通流量预测方法

摘要

本发明公开了一种基于联邦学习的交通流量预测方法，其特点是采用差分隐私技术对梯度信息加噪的方法，在客户端‑服务器架构的基础上构建基于长短期记忆网络LSTM的流量预测模型，具体包括：系统初始化、客户端对本地数据处理、局部计算、参数聚合和模型更新等步骤。本发明与现有技术相比具有通过将新兴的联邦学习系统与LSTM深度学习网络结合，打破了“数据孤岛”，通过一个不需要原始数据交换的局部训练模型，提供了可靠的数据隐私保护，在敌手已知大部分数据数据信息的情况下，针对单个用户进行数据保护，在数据集上关注了不同时间段流量值对预测结果的影响，实验结果表明，该算法能够达到理想的预测精准度。