INTELLIGENT CONNECTED VEHICLE DATA TRAINING METHOD AND ELECTRONIC DEVICE BASED ON PRIVACY DATA PROTECTION, AND COMPUTER READABLE STORAGE MEDIUM

Disclosed in the present invention is an intelligent connected vehicle data training method based on privacy data protection, comprising: first labeling historically-collected road test data, then carrying out model training to obtain a primary model, and deploying a low-level feature extraction layer of the primary model to a vehicle end; at the vehicle end, in respect of the original data collected by the vehicle end, in one aspect, performing feature extraction by means of the deployed low-level feature extraction layer, so as to obtain a low-level feature data set and upload same to the cloud, and in another aspect, anonymizing the original data and uploading same to the cloud for data labeling; at the cloud end, training and updating other feature extraction layers except the low-level feature extraction layer by utilizing the uploaded data set and the historical data set; and pushing the updated model to the vehicle end for synchronous updating. The present invention can solve the problem of reduced algorithm performance caused by anonymized data while ensuring data privacy transmission. On this basis, an algorithm closed loop is constructed, thus the problem of iteratively updating a model is solved. Se divulga un método para entrenar datos de un vehículo conectado inteligente basado en la protección de datos de privacidad, que incluye: etiquetar y realizar entrenamiento de modelo sobre datos de pruebas en carretera recopilados históricamente para obtener una primera versión de un modelo e implementar una capa de extracción de características de bajo nivel de la primera versión del modelo en un vehículo; realizar la extracción de características sobre los datos originales recopilados por el vehículo a través de la capa de extracción de características de bajo nivel implementada en el vehículo para obtener un conjunto de datos de características de bajo nivel y cargar el conjunto de datos de características de bajo nivel en una nube; realizar la anonimización de los datos originales y cargarlos en la nube para etiquetarlos; entrenar y actualizar otras capas de extracción de características además de la capa de extracción de características de bajo nivel utilizando el conjunto de datos cargado y un conjunto de datos históricos en la nube; y enviar el modelo actualizado al vehículo para una actualización sincrónica. Según el método, si bien se garantiza la transferencia de privacidad de los datos, se resuelve el problema de la reducción del rendimiento