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！

龙图腾网获悉电子科技大学申请的专利一种边缘场景下轻量级的可信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：CN116187482B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202310061325.X，技术领域涉及：G06N20/20；该发明授权一种边缘场景下轻量级的可信联邦学习方法是由王瑞锦;陈晶;张凤荔;周世杰;赖金山;王金波;周潼设计研发完成，并于2023-01-20向国家知识产权局提交的专利申请。

本一种边缘场景下轻量级的可信联邦学习方法在说明书摘要公布了：本发明公开了一种边缘场景下轻量级的可信联邦学习方法，包括：1终端设备使用私有数据集在本地对模型进行训练，输出训练结果；2对训练结果进行加密，并上传至边缘服务器；3边缘服务器计算获得一维中的平均值outmean；4根据计算的outmean，边缘服务器将结果广播给各个终端设备以助终端设备完成后续训练；同时，边缘服务器还利用outmean和蒸馏温度T计算KL散度，以用于指导全局模型参数训练；5边缘服务器将更新的全局模型参数上传到云服务器进行聚合更新；6云服务器验证训练模型的性能是否满足标准要求，是，则训练结束；否则，将全局模型参数发送到每个边缘服务器以开始下一轮训练。本发明能有效提升模型的训练效率和准确性。

本发明授权一种边缘场景下轻量级的可信联邦学习方法在权利要求书中公布了：1.一种边缘场景下轻量级的可信联邦学习方法，其特征在于，包括以下步骤： 1处于云-边-端三层联邦学习架构第三层的终端设备ei从处于云-边-端三层联邦学习架构第二层的边缘服务器获得分配的模型Mi，然后使用私有数据集在本地对模型Mi进行训练，输出训练结果Oi； 2采用迭代掩码方案对训练结果Oi进行加密，并上传至边缘服务器； 3边缘服务器对训练结果Oi进行解密，然后针对训练结果Oi，边缘服务器采用如下公式计算获得一维中的平均值outmean： 式中，|I|是边缘服务器下的终端设备数量； 4根据计算的outmean，边缘服务器将结果广播给各个终端设备以助终端设备完成后续训练；同时，边缘服务器还利用outmean和蒸馏温度T计算KL散度，以用于指导全局模型参数训练，具体指导全局模型参数训练过程如下： a边缘服务器利用局部数据集Dp训练一个模型，得到一个输出Oglobal，当蒸馏温度为1时利用交叉熵计算其自身损失，计算公式如下： 式中，HardLoss表示边缘服务器自身损失，K代表类别总数，ck表示数据标签中的第k个类别的概率，qk表示第k个分类的概率，由如下公式计算： 式中，Oglobal_k代表输出Oglobal的第k个分量，Oglobal_j代表输出Oglobal的第j个分量； b边缘服务器采用如下公式计算在蒸馏温度T＝t下的概率分布： c边缘服务器采用如下公式计算在蒸馏温度T下的第k个类别的概率分布： 式中，outmeank代表平均值outmean的第k个分量，outmeanj代表平均值outmean的第j个分量； d边缘服务器采用如下公式计算蒸馏损失SoftLoss： e边缘服务器结合自身损失和蒸馏损失，采用公式计算总损失函数： Lossglobal＝1-αHardLoss+αSoftLoss 式中，α是边缘服务器的损失调因子，取值范围为0-1； f边缘服务器根据计算的总损失，对训练模型进行梯度更新，得到更新的全局模型参数ωu； 5边缘服务器将更新的全局模型参数ωu上传到处于云-边-端三层联邦学习架构第一层的云服务器，云服务器采用平均权重对全局模型参数进行聚合更新，更新公式如下： 式中，|U|表示边缘簇的数量； 6云服务器根据云聚合获得的全局模型参数，验证训练模型的性能是否满足标准要求，是，则训练结束；否则，将全局模型参数发送到每个边缘服务器以开始下一轮训练，执行步骤7； 7终端设备ei利用蒸馏温度T和outmean,计算模型Mi的蒸馏损失； 8终端设备ei将自身损失和蒸馏损失结合，作为本轮的损失函数Lossi，然后根据损失函数Lossi对模型参数求偏导得到梯度Gi； 9终端设备ei根据梯度Gi采用反向传播更新参数，结束本轮模型训练，获得更新后的模型，然后返回执行步骤2。

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电子科技大学，其通讯地址为：610000 四川省成都市高新区（西区）西源大道2006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”。

以上内容由龙图腾AI智能生成。