1.一种基于联邦学习与无人机的车联网身份认证和隐私保护方法，其特征在于，包括以下步骤：控制中心进行系统初始化，生成系统公共参数后，进行无人机、车辆及路边单元的注册任务并生成离线密钥分配给各个车辆；

基于离线密钥与系统公共参数生成控制中心、无人机、车辆及路边单元之间通讯的相关密钥；

无人机发送全局模型参数至覆盖区域内的每一车辆，车辆对局部数据进行训练，获得局部模型参数，根据相关密钥对局部模型参数进行签名生成验证消息并匿名上传至对应无人机；无人机根据验证消息对局部模型参数进行验证，将验证通过的局部模型参数进行聚合，获得全局模型参数，直至训练轮次结束；

控制中心基于全局模型参数、系统公共参数与相关密钥追踪车辆真实身份，若为恶意车辆则执行撤销操作；

进行系统初始化，生成系统公共参数的过程包括：

控制中心选取安全参数生成两个素数，控制中心在乘法群中随机选择一个值作为系统的主密钥，基于所述主密钥与加性循环群的生成元计算系统公钥，在所述乘法群中选取另一个值作为追踪密钥；基于主密钥与追踪密钥获得主私钥；控制中心选取五个单向散列函数，所述单向散列函数结合椭圆曲线、乘法群、加性循环群、两个素数、系统公钥与生成元获得系统公共参数；将所述系统公钥广播给每一个车辆、无人机及路边单元；

进行无人机、车辆及路边单元的注册任务的过程包括：

控制中心接收到无人机身份标识时，将对应的无人机私钥与无人机公钥发送至每架无人机，并在所述乘法群中选取若干素数作为无人机覆盖区域内若干车辆的离线密钥，控制中心发送路边单元私钥和路边单元公钥到每个路边单元；

基于离线密钥与系统公共参数生成控制中心、无人机、车辆及路边单元之间通讯的相关密钥的过程包括：控制中心接收到车辆的真实身份标识后，选取若干个随机值，结合生成元生成身份标识集合，对所述身份标识集合中的身份标识元素与所述追踪密钥进行哈希处理获得身份密钥，基于所述身份密钥对所述真实身份标识与身份标识元素异或计算的结果进行加密，获得车辆的伪身份集合，基于所述伪身份与所述真实身份标识获得车辆的伪名；基于系统的主密钥、若干个随机值的一部分及进行哈希处理后的车辆的伪身份集合中的元素计算得到车辆部分私钥，将所述车辆部分私钥与车辆的伪名发送至每一车辆；

每一车辆在所述乘法群中选取一个秘密值作为车辆秘密私钥，基于车辆秘密私钥与加性循环群的生成元计算车辆公钥；

控制中心基于若干车辆的离线密钥和中国剩余定理构造信任域，计算车辆对局部数据进行训练，获得局部模型参数的过程包括：

采用公式

根据相关密钥对局部模型参数进行签名生成验证消息的过程包括：每一车辆在所述乘法群中选取一个值，结合所述生成元计算获得U对车辆的身份标识元素、车辆公钥与系统公钥进行哈希处理，获得值基于一组密钥κ，采用以下公式计算签名密钥：

其中，

基于签名密钥采用公式

采用无人机公钥对所述局部模型参数加密获得加密密文，基于所述加密密文构建验证消息，发送至对应无人机，其中，所述验证消息包括所述密文、所述车辆签名、伪名中选取任意值、车辆公钥与时间戳；

获得全局模型参数的过程包括：

无人机接收验证消息后，使用无人机私钥对加密密文进行解密，获得局部模型参数；对所述局部模型参数进行完整性和真实性验证，验证通过的局部模型参数上传至簇头无人机进行聚合，簇头无人机采用自身私钥对聚合获得的全局模型参数进行签名后，广播至覆盖区域内每架无人机，其中，完整性和真实性验证的方式包括单消息验证和消息批量验证；

单消息验证的过程包括：

无人机接收到验证消息后，根据假设到达的时间检查验证消息中时间戳的有效性，若无效，则将消息丢弃；若有效，则继续验证，计算其中，V

消息批量验证的过程包括：

无人机从覆盖区域内若干车辆接收到一组验证消息时，检查每个消息的时间戳；如果都有效，则继续验证，否则，将该消息丢弃；使用一组指数v＝{v控制中心基于全局模型参数、系统公共参数与相关密钥追踪车辆真实身份，若为恶意车辆则执行撤销操作的过程包括：当无人机检测到车辆的异常行为，控制中心通过追踪密钥对无人机发送的车辆的伪名进行解密，获得车辆的真实身份标识，基于真实身份标识将分配给对应车辆的离线密钥撤销；通过计算μ′＝μ-c