南京邮电大学王攀获国家专利权
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
龙图腾网获悉南京邮电大学申请的专利一种网络流量的联邦学习泛化方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119854227B 。
龙图腾网通过国家知识产权局官网在2025-07-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510338103.7，技术领域涉及：H04L47/2483；该发明授权一种网络流量的联邦学习泛化方法及系统是由王攀;韩铭浩设计研发完成，并于2025-03-21向国家知识产权局提交的专利申请。
本一种网络流量的联邦学习泛化方法及系统在说明书摘要公布了：本发明公开了一种网络流量的联邦学习泛化方法及系统，属于通信网络技术领域，首先采集联邦学习环境下不同网络节点的数据概要，通过智能节点选择方法动态选择网络节点作为联邦学习的参与客户端，确定参与每一轮模型训练的网络节点集合。利用自适应聚类算法自动将参与每一轮模型训练的网络节点集合分组成若干个数据分布相近的群组。通过基于自适应聚类的群组专属模型训练方法为群组独立训练一个模型分支，通过多模型分支智能融合方法将所有模型分支的学习成果整合到主模型中，使主模型能够综合各个模型分支的知识。本发明能够显著提升模型在未见过的数据分布上的泛化能力，进而提高网络通信的数据流业务识别精度。
本发明授权一种网络流量的联邦学习泛化方法及系统在权利要求书中公布了：1.一种网络流量的联邦学习泛化方法，其特征在于，包括以下步骤： 步骤1，通过数据概要采集方法采集联邦学习环境下不同网络节点的数据概要； 步骤2，通过智能节点选择方法动态选择网络节点作为联邦学习的参与客户端，确定参与每一轮模型训练的网络节点集合； 步骤3，利用自适应聚类算法根据节点的数据特征自动将参与每一轮模型训练的网络节点集合分组成若干个数据分布相近的群组； 步骤4，通过基于自适应聚类的群组专属模型训练方法为步骤3得到的群组独立训练一个模型分支，每个模型分支专注于学习该群组内部的数据分布特征； 步骤5，通过多模型分支智能融合方法将所有模型分支的学习成果整合到主模型中，使主模型能够综合各个模型分支的知识； 多模型分支智能融合方法中模型参数聚合公式如下： 其中，表示群组的专属模型，表示群组的本地模型更新，为两种聚合方式的权重，表示第r群组节点个数，为节点的数据量，为节点R的数据量，为节点的相似度与多样性综合评分,为节点的相似度与多样性综合评分。
如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学，其通讯地址为：210046 江苏省南京市栖霞区文苑路9号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号