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！

龙图腾网获悉厦门大学申请的专利基于联邦学习的模型训练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：CN115496121B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202210466824.2，技术领域涉及：G06F18/214；该发明授权基于联邦学习的模型训练方法及装置是由范晓亮;杨佩蓁;王铮;王程;俞容山设计研发完成，并于2022-04-29向国家知识产权局提交的专利申请。

本基于联邦学习的模型训练方法及装置在说明书摘要公布了：本发明公开了一种基于联邦学习的模型训练方法及装置，其中方法包括：在每轮通信中，服务器获取用户上传的模型参数和训练损失，并更新用户历史梯度列表，其中用户历史梯度列表包括所有用户最新的梯度和该梯度所属的轮数；服务器计算出当前轮采样到的用户的平均梯度；服务器计算出当前轮未采样到的用户历史梯度中与平均梯度两两之间余弦夹角值中的最小值，通过一个带约束的非线性规划目标函数优化得到该轮更新的全局梯度，从而得到最终聚合后的模型；由此，在不损害未采样到的用户模型的前提下优化了全局模型，提升了模型在当前轮对未采样到的用户的代表性，降低了服务器选择用户时的采样偏差的负面影响，从而提高了联邦学习模型的准确度和公平性。

本发明授权基于联邦学习的模型训练方法及装置在权利要求书中公布了：1.一种基于联邦学习的模型训练方法，其特征在于，包括以下步骤： 在每一轮通信中，服务器端从用户集中随机采样一个用户子集，并将全局模型发送给所述用户子集中对应的每个客户端； 所述每个客户端根据对应的数据集对所述全局模型进行训练，以得到所述每个客户端对应的模型参数，并将所述模型参数发送给所述服务器端； 所述服务器端根据所述模型参数更新用户历史梯度集合，并计算当前轮每个客户端的平均梯度，其中所述用户历史梯度集合包括梯度和对应的轮数； 所述服务器端获取当前轮所述用户集中未采样到的客户端的用户历史梯度数组以及当前轮所述用户集中未采样到的客户端的上轮相对更新梯度数组，并根据所述用户历史梯度数组、所述上轮相对更新梯度数组和所述平均梯度更新梯度权重，以便根据更新后的所述梯度权重更新所述梯度； 所述服务器端根据所述每个客户端对应的更新后的梯度得到更新后的全局模型，以便进行下一轮模型更新，直至达到指定通信轮数或者平均训练损失达到需求后完成训练； 其中，所述服务器端根据以下目标函数优化更新所述梯度权重： 其中，ω是梯度权重；W是概率单纯形；T表示转置；是待优化的更新梯度；t是当前轮数；G是当前轮所述用户集中未采样到的客户端的上轮相对更新梯度数组；δ是当前轮所述用户集中未采样到的客户端的用户历史梯度数组；是当前轮每个客户端的平均梯度； 其中，根据以下公式更新梯度： 其中，是当前轮更新后的梯度，ω*是优化更新后的梯度权重。

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厦门大学，其通讯地址为：361000 福建省厦门市思明南路422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。