海康威视利用区块链技术在保护数据方面采取了一种基于终端自适应联邦学习的隐私泄露检测方法及系统，并且还取得了“基于区块链的车联网数据安全共享方法、装置及设备”的专利。以下是这些技术应用的一些关键点：
联邦学习：这是一种允许多个参与方在不共享数据的情况下共同训练机器学习模型的技术。每个参与方（例如物联网设备）仅共享模型更新或梯度信息，而不是原始数据本身，从而保护用户隐私。
终端自适应：海康威视的新专利通过终端自适应的方式，根据每个物联网终端当前的网络带宽和计算能力，灵活选择最合适的学习方式。这样可以确保即使在网络条件不佳或计算资源有限的情况下，也能有效地进行模型训练。
隐私泄露检测：该系统能够识别并防止潜在的隐私泄露风险，通过对本地数据的独立分析来实现数据隐私的自我保护。
数据安全共享：这项专利提供了一种基于区块链的车联网数据安全共享方法。它使得车辆之间或者车辆与基础设施之间的数据交换更加安全可靠。
信誉特征：在该方法中，会从区块链下载终端设备对应的信誉特征，或者基于车联网数据交互信息确定终端设备对应的信誉特征。这有助于评估终端设备的可信度，进一步保障数据的安全性。
分类处理：基于信誉特征，系统可以将终端设备分为不同的类别（如第一类终端或第二类终端），并根据这些类别来决定如何处理由这些终端提供的局部模型参数。
全局模型参数生成：通过收集来自第一类终端的局部模型参数，系统能够生成目标全局模型参数。如果这些参数已经收敛，则将其确定为已训练模型参数，以便后续使用。
通过结合联邦学习和区块链技术，海康威视不仅提高了数据处理效率，而且增强了数据安全性，减少了隐私泄露的风险。这种综合性的解决方案对于推动智能交通系统和其他依赖大量数据交换的应用领域的发展至关重要。
