热点事件持续更新

提出面向车联网的抗量子联邦强化学习方案

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

2026年11月2日，一项发表于arXiv cs.CR的研究提出了一种面向车联网的抗量子认证高效联邦强化学习方案。该研究基于互补共享随机性设计了相关私有量化方法，旨在保持本地差分隐私的同时优化性能。实验数据显示，该方法使聚合均方误差降低了16.5%，并将认证上行链路的数据量减少了92.4%。此外，在参数级隐私预算为1的条件下，相比独立量化方案，该方案将平均行程时间缩短了14.3%。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月2日

13:00
arXiv cs.CR
面向车联网的抗量子认证高效联邦强化学习
该研究提出一种基于互补共享随机性的相关私有量化方法，用于车联网中的联邦强化学习。该方法在保持本地差分隐私的前提下，使聚合均方误差降低 16.5%，并将认证上行链路数据量减少 92.4%。在参数级隐私预算为 1 时，相比独立量化方案，该方法将平均行程时间缩短 14.3%。

本事件热度走势

当前热度 9·可比范围峰值 9（11月2日 15:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。