Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京天融信网络安全技术有限公司;北京天融信科技有限公司;北京天融信软件有限公司江军获国家专利权

北京天融信网络安全技术有限公司;北京天融信科技有限公司;北京天融信软件有限公司江军获国家专利权

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!

龙图腾网获悉北京天融信网络安全技术有限公司;北京天融信科技有限公司;北京天融信软件有限公司申请的专利一种基于随机策略的垃圾邮件检测模型的联邦学习方法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:CN120151315B

龙图腾网通过国家知识产权局官网在2025-09-05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:202510404346.6,技术领域涉及:H04L51/42;该发明授权一种基于随机策略的垃圾邮件检测模型的联邦学习方法是由江军;王炜设计研发完成,并于2025-04-01向国家知识产权局提交的专利申请。

一种基于随机策略的垃圾邮件检测模型的联邦学习方法在说明书摘要公布了:本申请提供一种基于随机策略的垃圾邮件检测模型的联邦学习方法,该方法包括:评估所有节点中样本的特征矩阵相似度,基于该相似度进行节点聚类,并基于预设节点数量上限随机确定出每个节点中可参与训练的节点挑选聚类簇;接收并聚合各节点反馈的本地模型参数,得到全局模型参数,然后基于训练终止条件确定是继续循环还是输出最终垃圾邮件检测模型。可见,该方法能够通过对参训节点数量进行限制,实现计算、存储和网络通信资源消耗的减少,进而解决处理、通信延时问题,同时分类簇的挑选还能够降低每轮全局模型更新梯度方差,提升模型训练的参数收敛速度,降低模型训练所需时间。

本发明授权一种基于随机策略的垃圾邮件检测模型的联邦学习方法在权利要求书中公布了:1.一种基于随机策略的垃圾邮件检测模型的联邦学习方法,其特征在于,所述方法应用于邮件安全监测中心服务器中,所述方法包括: 对所有客户端节点的本地垃圾邮件训练样本的特征矩阵进行相似度评估,得到多个相似度评估结果;其中,所述特征矩阵是基于邮件头部特征和邮件内容特征生成的,所述邮件头部特征至少包括发件人邮箱域名类型、收件人数量和附件类型中的一种,所述邮件内容特征至少包括邮件主题和关键词中的一种; 基于多个相似度评估结果对所有客户端节点进行聚类,得到多个节点聚类簇; 基于计划挑选的客户端节点数量上限计算每个节点聚类簇中的可参与训练的节点数量; 基于所述节点数量对每个节点聚类簇进行客户端节点的随机挑选,得到多个节点挑选聚类簇; 下发最新的全局模型参数给多个节点挑选聚类簇中的所有客户端节点,以使每个客户端节点各自训练得到本地模型更新后的本地模型参数; 基于多个节点挑选聚类簇中的所有客户端节点上传的本地模型参数,聚合生成全局模型参数; 当基于所述全局模型参数和训练轮次判断出所述垃圾邮件检测模型满足预设的训练终止条件时,将所述全局模型参数作为最终参数输出,得到训练好的垃圾邮件检测模型; 其中,所述对所有客户端节点的本地垃圾邮件训练样本的特征矩阵进行相似度评估,得到多个相似度评估结果,包括: 接收客户端节点上传的非零奇异值的数量,确定数量最小值;其中,客户端节点在对本地垃圾邮件训练样本的特征矩阵进行奇异值分解时,得到左奇异矩阵、奇异值矩阵和右奇异矩阵,所述非零奇异值的数量为客户端节点基于所述奇异值矩阵统计得到的; 将所述数量最小值下发给所有客户端节点,以使客户端节点基于所述数量最小值选取奇异值矩阵中奇异值最大的多个非零奇异值,并生成剪裁后的奇异值剪裁矩阵和左奇异剪裁矩阵;其中,多个非零奇异值的个数与所述数量最小值相同; 接收客户端节点上传的左奇异剪裁矩阵,并基于任意两个左奇异剪裁矩阵计算两者列向量之间的角度; 从所有计算出的角度中,选出满足正交条件的多个最小角度;其中,多个最小角度的个数与所述数量最小值相同; 基于多个最小角度,计算任意两个客户端节点的本地垃圾邮件训练样本的特征矩阵之间的相似度,得到相似度评估结果。

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北京天融信网络安全技术有限公司;北京天融信科技有限公司;北京天融信软件有限公司,其通讯地址为:100193 北京市海淀区西北旺东路10号院西区11号楼1层101;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”。

以上内容由AI智能生成
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。