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！

龙图腾网获悉浙江大学申请的专利高模型精度的抗投毒攻击去中心联邦学习方法及装置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：CN119886386B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411922824.4，技术领域涉及：G06N20/00；该发明授权高模型精度的抗投毒攻击去中心联邦学习方法及装置是由苗晓晔;李斌;尹建伟设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本高模型精度的抗投毒攻击去中心联邦学习方法及装置在说明书摘要公布了：本发明公开了一种高模型精度的抗投毒攻击去中心联邦学习方法及装置。该方法包括：参与联邦学习的各客户端初始化模型权重、梯度追踪变量以及对邻居客户端的聚合权重，良性客户端初始化记录其邻居客户端梯度贡献的记录变量；良性客户端聚合接收的模型权重和梯度追踪变量，训练模型并更新模型参数，更新记录变量并基于一致性检查调整对邻居客户端的聚合权重；恶意客户端聚合接收的模型权重和梯度追踪变量，训练模型并将恶意梯度注入模型参数；良性客户端将其恶意邻居客户端的聚合权重逐渐调整为零，并基于记录变量瞬时清空恶意其历史梯度贡献，然后基于良性梯度聚合优化被污染的模型权重，有效保留来自恶意客户端的有益信息，提升模型精度。

本发明授权高模型精度的抗投毒攻击去中心联邦学习方法及装置在权利要求书中公布了：1.一种高模型精度的抗投毒攻击去中心联邦学习方法，其特征在于，包括： 在初始化阶段，参与去中心联邦学习过程的各客户端事先确定协同训练的机器学习模型结构，并随机初始化模型权重、对应的梯度追踪变量以及对每个邻居客户端平均分配聚合权重，其中，为防止恶意客户端发送恶意梯度进行投毒攻击，每个良性客户端还需初始化用于记录每个邻居客户端梯度贡献的记录变量； 在聚合过程中，每个良性客户端与其邻居客户端交换模型参数，聚合接收到的模型权重和梯度追踪变量，并结合本地数据集进行模型训练，从而更新自身的模型权重和梯度追踪变量，同时，良性客户端根据接收到的梯度追踪变量更新对邻居客户端的记录变量，并基于一致性检查调整对每个邻居客户端的聚合权重； 在聚合过程中，每个恶意客户端同样与其邻居客户端交换模型参数，聚合接收到的模型权重和梯度追踪变量，并结合本地恶意数据集进行模型训练，从而将恶意梯度注入到自身的模型权重和梯度追踪变量中，干扰良性客户端的聚合过程并降低最终的模型精度； 当基于一致性检查将恶意邻居客户端的聚合权重调整为零时，每个良性客户端根据记录变量立即清除对应恶意邻居客户端的所有恶意梯度贡献，然后，良性客户端依据正常的梯度聚合过程优化被污染的模型权重，优化过程中保留了来自恶意客户端的有益部分，从而有效提升模型精度。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。