買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉西安電子科技大學申請的專利基于自適應模型擾動的聯邦學習分類模型訓練方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117056785B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202311113980.1，技術領域涉及：G06F18/24；該發明授權基于自適應模型擾動的聯邦學習分類模型訓練方法是由王子龍;胡嘉琪;陳謙;王鴻波;羅可設計研發完成，并于2023-08-31向國家知識產權局提交的專利申請。

本基于自適應模型擾動的聯邦學習分類模型訓練方法在說明書摘要公布了：本發明提出一種基于自適應模型擾動的聯邦學習分類模型訓練方法，實現步驟為：構建聯邦學習系統；客戶端獲取訓練樣本集；服務器端獲取全局測試樣本集，初始化全局分類模型和強化學習模型；服務器為客戶端自適應分配隱私預算；客戶端對本地分類模型進行迭代訓練；客戶端對本地分類模型進行自適應擾動；服務器聚合本地分類模型的權值參數；服務器獲取聯邦學習分類模型的訓練結果。本發明服務器采用強化學習算法，根據存儲的本地分類模型性能、隱私預算和獎勵信息，為本地分類模型自適應分配隱私預算，控制本地分類模型添加的噪聲，避免了擾動程度過大或過小對模型的影響，進而提高了聯邦學習的隱私保護能力和性能。

本發明授權基于自適應模型擾動的聯邦學習分類模型訓練方法在權利要求書中公布了：1.一種基于自適應模型擾動的聯邦學習分類模型訓練方法，其特征在于，包括如下步驟： 1構建聯邦學習系統： 構建包括服務器和N個客戶端的聯邦學習系統，其中，N≥2，第n個客戶端表示為cn； 2每個客戶端獲取本地訓練樣本集，并初始化本地訓練參數： 每個客戶端cn獲取包含L個目標類別的M幅圖像，并對每幅圖像中的目標進行標注后，將所有圖像及其對應的標簽組成本地訓練樣本集，同時初始化本地迭代次數為e，最大迭代次數為E，其中，L≥2，M≥500，E＞0； 3服務器獲取全局測試樣本集，初始化全局分類模型和強化學習模型及相關參數： 服務器將包含L個目標類別的Mg幅圖像及其對應的標簽組成全局測試樣本集；同時初始化聚合輪次為t，最大聚合輪次為T，T≥100，初始化包括順次連接的K個特征提取模塊和F個全連接層的權值參數為ωg的全局分類模型Xg；初始化包括權值參數為ωa的Actor網絡Xa和權值參數為ωc的Critic網絡Xc的強化學習模型；初始化強化學習經驗數量amount和強化學習模型更新閾值warmup；并將Xg發送給每個客戶端cn；其中，Mg≥5000，K≥2，F≥2，令t＝0，amount＝0； 4服務器為每個客戶端自適應分配隱私預算： 服務器計算第t輪全局分類模型在全局測試樣本集上的精確度得到本輪狀態st；判斷amount≥warmup是否成立，若是，通過st和Actor網絡為每個客戶端cn自適應分配第t輪隱私預算并更新強化學習模型權值參數；否則為每個客戶端cn隨機分配隱私預算值并將隱私預算作為本輪的動作at；將發送給每個客戶端cn； 5每個客戶端對本地分類模型進行迭代訓練： 每個客戶端cn將全局分類模型的權值參數作為本地分類模型的權值參數，并通過本地訓練樣本集對其進行迭代訓練，得到訓練好的N個本地分類模型； 6每個客戶端對訓練好的本地分類模型進行自適應擾動： 每個客戶端cn根據服務器自適應分配的隱私預算值計算滿足高斯分布的噪聲矩陣并將添加到的權值參數上，實現對的自適應擾動，然后將自適應擾動后的本地分類模型的權值參數上傳至服務器； 7服務器對本地分類模型的權值參數進行聚合： 服務器對N個客戶端上傳的權值參數進行聚合,并將聚合結果作為全局分類模型的權值參數發送給每個客戶端cn； 8服務器獲取聯邦學習分類模型的訓練結果： 服務器計算全局分類模型在全局測試樣本集上的損失值并通過損失值和第t輪的隱私預算計算第t輪的獎勵rt；然后將rt以及第t輪的狀態st和動作at作為第t輪的經驗存入經驗池，令amount＝amount+1；最后判斷t＝T是否成立，若是，得到權值參數為的聯邦學習全局分類模型否則，令t＝t+1，并執行步驟4。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西安電子科技大學，其通訊地址為：710071 陜西省西安市雁塔區太白南路2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。