安徽建筑大学陈娟获国家专利权
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！
龙图腾网获悉安徽建筑大学申请的专利一种基于HFL的物联网设备识别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：CN120234669B 。
龙图腾网通过国家知识产权局官网在2025-09-09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：202510319468.5，技术领域涉及：G06F18/241；该发明授权一种基于HFL的物联网设备识别方法是由陈娟;熊琪;王占丰;徐荃设计研发完成，并于2025-03-18向国家知识产权局提交的专利申请。
本一种基于HFL的物联网设备识别方法在说明书摘要公布了：本发明涉及物联网设备识别技术领域，解决了传统中心化识别方法存在隐私泄露、通信成本高、模型通用性差的技术问题，尤其涉及一种基于HFL的物联网设备识别方法，依托横向联邦学习训练机制，允许多个边缘设备在本地训练模型，并通过仅上传模型参数来有效保护数据隐私、降低通信成本。在边缘设备层面，从设备行为流量包头中提取特征，并利用改进的轻量级AlexNet网络自主学习不同层次的复杂的特征表示，实现高效的设备分类，同时利用加权交叉熵损失函数、引入动量参数的SGD优化技术来应对分布式学习场景下普遍存在的统计异构问题。
本发明授权一种基于HFL的物联网设备识别方法在权利要求书中公布了：1.一种基于HFL的物联网设备识别方法，其特征在于，该方法包括以下过程： 获取物联网设备运行时所产生的设备行为流量数据，并经过数据预处理生成供各参与方进行本地训练的灰度图数据集； 构建本地模型并将其部署到横向联邦学习系统的各参与方中； 各参与方基于本地生成的灰度图数据集以及接收到的初始模型参数，在本地进行本地模型的训练，并在训练完成后将新的本地模型参数上传至联邦学习服务器； 联邦学习服务器对各参与方上传的本地模型参数进行参数聚合得到全局模型参数； 计算当前全局轮次本地训练样本的损失平均值，并判断联邦学习服务器是否输出最终模型参数ωGE； 当全局模型的损失平均值趋于平稳，全局模型停止全局轮次迭代训练，联邦学习服务器输出最终模型参数ωGE； 否则将全局模型参数再次广播至各参与方进行本地模型参数的更新，作为下一本地轮次中本地训练与联邦学习迭代的初始模型参数。
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安徽建筑大学，其通讯地址为：230601 安徽省合肥市经济技术开发区紫云路292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