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！

龙图腾网获悉杭州电子科技大学申请的专利面向设备异构联邦学习的网络攻击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：CN120151108B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202510615910.9，技术领域涉及：H04L9/40；该发明授权面向设备异构联邦学习的网络攻击检测方法是由许艳萍;万双辉;何泽奇;张桦;许永兴;吴以凡;杨旺恒设计研发完成，并于2025-05-14向国家知识产权局提交的专利申请。

本面向设备异构联邦学习的网络攻击检测方法在说明书摘要公布了：本发明公开了面向设备异构联邦学习的网络攻击检测方法，该方法首先进行流量数据采样并构建补偿数据集。其次服务端进行全局模型初始化和模型参数下发给客户端，客户端整合自身获得的流量数据，构建本轮攻击流量数据集，完成本地训练，输出攻击检测结果。然后客户端上传模型参数和正确率给服务器，服务器将正确率作为权重系数进行参数聚合，更新全局模型参数。最后服务端进行正确率判别并下发补偿数据和全局模型参数，客户端接收到全局模型参数及补偿数据，进行本地模型参数及数据集更新。本发明中数据异构性显著突破，增强联邦系统对持续分布漂移的适应能力，准确完成网络攻击检测。

本发明授权面向设备异构联邦学习的网络攻击检测方法在权利要求书中公布了：1.面向设备异构联邦学习的网络攻击检测方法，其特征在于，包括如下步骤： 步骤一，进行流量数据采样并构建补偿数据集； 步骤二，服务端进行全局模型初始化和模型参数下发给客户端，客户端进行参数接收与模型加载，客户端整合自身获得的流量数据，构建本轮攻击流量数据集，完成本地训练，输出攻击检测结果； 所述本地训练具体实现过程为：客户端整合自身获得的流量数据，构建本轮攻击流量数据集；首先将攻击流量数据经预处理转化为二维结构化张量，通过规范化处理得到输入矩阵；然后利用ResNet18实现深层特征提取，再使用全局平均池化压缩成向量；最后通过全连接层映射到类别空间，对全连接层的输出应用Softmax函数计算类别概率p，实现攻击类别的分类；随后在本地计算资源支持下执行多轮本地模型迭代训练，每轮训练中，本地模型通过前向传播计算预测结果，同时在本地模型的特征提取层引入注意力机制模块，通过自适应生成的注意力权重对特征进行动态聚焦，结合本地数据标签计算包含交叉熵和KL散度的复合损失函数，其中KL散度损失为本地模型和全局模型对当前数据集的预测结果差异；反向传播过程中，注意力权重矩阵与本地模型参数同步接受梯度更新；完成攻击检测后，客户端提取模型参数更新量与类别正确率，根据通信协议进行处理，最终将融合特征选择信息的更新结果上传至服务端参与全局聚合； 步骤三，完成本地训练后，客户端上传模型参数和正确率给服务器，服务器将正确率作为权重系数进行参数聚合，更新全局模型参数； 步骤四，服务端进行正确率判别并下发补偿数据和全局模型参数； 步骤五，客户端接收到全局模型参数及补偿数据，进行本地模型参数及数据集更新。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。