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！

龙图腾网获悉福州大学申请的专利基于全局-个性化协作联邦学习的边缘异常检测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：CN119202839B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202411345060.7，技术领域涉及：G06F18/241；该发明授权基于全局-个性化协作联邦学习的边缘异常检测方法是由陈哲毅;薛龙祥;钟璐英;卢恬英设计研发完成，并于2024-09-25向国家知识产权局提交的专利申请。

本基于全局-个性化协作联邦学习的边缘异常检测方法在说明书摘要公布了：本发明涉及一种基于全局‑个性化协作联邦学习的边缘异常检测方法，包括：边缘服务器生成全局模型后，下放全局模型；客户端根据全局模型初始化本地模型；在客户端使用条件计算组件将流量特征转换为全局和个性化特征向量；客户端在全局类别嵌入模块中引入对比和量级损失并根据样本类别的嵌入来指导全局特征向量的学习，并使用交叉熵损失指导个性化特征向量的学习；客户端通过计算交叉熵损失和总体损失更新梯度的余弦相似度来判断是否执行损失替换，进而加速模型的训练；客户端完成本地训练后上传模型的更新给边缘服务器；边缘服务器进行全局聚合，并更新全局模型；重复上述步骤，直到异常检测模型收敛。该方法有利于提高边缘异常检测精度和效率。

本发明授权基于全局-个性化协作联邦学习的边缘异常检测方法在权利要求书中公布了：1.一种基于全局-个性化协作联邦学习的边缘异常检测方法，其特征在于，包括以下步骤： 1边缘服务器生成全局模型后，下放全局模型；客户端根据全局模型初始化本地模型； 2在客户端使用条件计算组件将流量特征转换为全局和个性化特征向量； 3客户端在全局类别嵌入模块中引入对比和量级损失并根据样本类别的嵌入来指导全局特征向量的学习，并使用交叉熵损失指导个性化特征向量的学习； 4客户端通过计算交叉熵损失和总体损失更新梯度的余弦相似度来判断是否执行损失替换，进而加速模型的训练； 5客户端完成本地训练后上传模型的更新给边缘服务器；边缘服务器进行全局聚合，并更新全局模型；重复上述步骤，直到异常检测模型收敛； 对于有N个具有统计和系统异构的IoT设备，即客户端的系统，对于每一轮次FL学习，边缘服务器随机选择一个客户端子集Sr，其客户端从边缘服务器下载全局模型；接着，客户端使用其本地数据训练模型；客户端i的训练数据集记为其中yj∈{1,2,...,Y}为样本xj的标签，Y表示异常类型的数量；因此，本地模型的优化目标为： 其中，ξi表示客户端i的损失函数；Wi和Fi分别表示客户端i的个性化模型和本地目标函数； 完成本地更新后，模型参数将被上传至边缘服务器；最后，边缘服务器通过聚合客户端的模型来更新全局模型；考虑到不同客户端的差异化，为客户端定制个性化的异常检测模型；因此，全局模型的优化目标为： 其中，表示客户端i的权重，表示为Sr个客户端所定制的个性化模型。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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。