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！

龙图腾网获悉哈尔滨理工大学申请的专利基于top-k的通信高效联邦学习的异构软件缺陷预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：CN116303002B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202310188453.0，技术领域涉及：G06F11/3668；该发明授权基于top-k的通信高效联邦学习的异构软件缺陷预测方法是由王爱丽;赵英卉;吴海滨;冯彦翔;杨林林设计研发完成，并于2023-03-01向国家知识产权局提交的专利申请。

本基于top-k的通信高效联邦学习的异构软件缺陷预测方法在说明书摘要公布了：本发明为基于top‑k的通信高效联邦学习的异构软件缺陷预测算法；该方法步骤如下：所有参与方将收到的全局参数进行解码，利用解码后的全局模型梯度参数与各自缺陷数据基于胶囊神经网络CapsNet进行本地训练，更新本地模型；各参与方利用高斯差分隐私对本地模型梯度参数进行加密；加密后的梯度参数进行稀疏二值压缩；将非零元素之间的相对距离进行Golomb编码发送到服务器端进行聚合；服务器端将接收到的数据进行解码，并对数据进行聚合；服务器端对聚合后参数进行稀疏二值压缩和Golomb编码并发送回每个参与方。本发明可以在模型预测性能可接受情况下，有效减少通信比特量并提高通信效率。

本发明授权基于top-k的通信高效联邦学习的异构软件缺陷预测方法在权利要求书中公布了：1.基于top-k的通信高效联邦学习的异构软件缺陷预测方法，其特征在于，包括以下步骤： 步骤a、所有参与方将全局参数进行解码，利用解码后的全局模型梯度参数与缺陷数据基于胶囊神经网络进行本地训练，更新本地模型； 步骤b、各参与方利用高斯差分隐私对本地模型梯度参数进行加密； 步骤c、各参与方将加密后的梯度参数进行稀疏二值压缩形成稀疏梯度，具体为对于各参与方加密后的梯度参数首先将除了稀疏率最大和最小的权重更新参数之外的所有值设置为零，然后在本地计算剩余正权重更新参数和负权重更新参数的平均值： 如果正平均值大于负平均值的绝对值，将所有负值设置为零，将所有正值设置为正均值，反之亦然；在每一轮通信完成后，剩余值积累为： 为权重更新原始值，为稀疏二值后的权重更新； 步骤d、计算稀疏梯度非零元素之间的相对距离进行Golomb编码并发送到服务器端计算参数平均值进行聚合； 步骤e、服务器端将接收到的数据进行解码，并对其进行聚合，对聚合后参数进行稀疏二值压缩和Golomb编码并发送回每个参与方，具体为： 首先，参与方上传参数，服务器方对参数进行解码： 之后计算模型聚合权重： 通过稀疏二值压缩方法也需要拓展到服务器端向参与方端发送聚合模型参数； 根据sparsebinarycompressionSBC方法，首先定义,将展平化权重更新映射到稀疏化和二元化权重更新的压缩运算符，对于本地权重更新更新规则可以写成： 采用如下公式进行压缩： 客户端剩余值更新分别为： 最后将参数进行Golomb编码，并发送给参与方； 步骤f、当通信次数到达最大通信轮次或本地胶囊神经网络模型已经收敛，输出预测结果。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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。