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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉支付寶(杭州)信息技術(shù)有限公司申請的專利聯(lián)邦學習的實現(xiàn)方法、裝置、系統(tǒng)、介質(zhì)、設備以及產(chǎn)品獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115146786B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210754624.7，技術(shù)領(lǐng)域涉及：G06N3/098；該發(fā)明授權(quán)聯(lián)邦學習的實現(xiàn)方法、裝置、系統(tǒng)、介質(zhì)、設備以及產(chǎn)品是由李龍飛;周俊設計研發(fā)完成，并于2022-06-29向國家知識產(chǎn)權(quán)局提交的專利申請。

本聯(lián)邦學習的實現(xiàn)方法、裝置、系統(tǒng)、介質(zhì)、設備以及產(chǎn)品在說明書摘要公布了：本說明書實施例提供一種聯(lián)邦學習的實現(xiàn)方法、裝置、系統(tǒng)、計算機可讀存儲介質(zhì)、電子設備以及計算機程序產(chǎn)品，該方法應用于參與聯(lián)邦學習任務的中心服務器和客戶端。具體地，根據(jù)各個客戶端的本地模型獲取的反映客戶端數(shù)據(jù)分布特征的特征向量，然后通過計算各個客戶端對應的特征向量計算相似度，來衡量不同客戶端數(shù)據(jù)分布特征之間的相似度。再根據(jù)所計算的相似度對客戶端進行分組，以將數(shù)據(jù)分布特征相似度高的客戶端歸屬于同一客戶端集合。進一步地，針對同一客戶端集合，將各個客戶端的本地模型的模型數(shù)據(jù)進行聚合處理，得到該客戶端集合對應的個性化模型。

本發(fā)明授權(quán)聯(lián)邦學習的實現(xiàn)方法、裝置、系統(tǒng)、介質(zhì)、設備以及產(chǎn)品在權(quán)利要求書中公布了：1.一種聯(lián)邦學習的實現(xiàn)方法，其中，應用于參與聯(lián)邦學習任務的中心服務器，所述方法包括： 接收所述聯(lián)邦學習任務的N個客戶端分別對應的特征向量，其中，第i客戶端對應的第i特征向量為從所述第i客戶端的本地模型中獲取的，所述第i特征向量反映所述第i客戶端的數(shù)據(jù)分布特征，N為大于1的整數(shù)，i取值為1至N之間的任一整數(shù)，包含1和N； 根據(jù)所述N個客戶端分別對應的特征向量，計算所述N個客戶端之間的相似度； 根據(jù)所述N個客戶端之間的相似度，將所述N個客戶端分為M個客戶端集合，M為小于N的正整數(shù)； 對于第j客戶端集合，對所述第j客戶端集合中所有客戶端對應的本地模型的模型數(shù)據(jù)進行聚合處理，得到所述第j客戶端集合對應的個性化模型，j取值為不大于M的正整數(shù)； 其中，所述接收所述聯(lián)邦學習任務的N個客戶端分別對應的特征向量之前，還包括： 在所述聯(lián)邦學習任務迭代預設次數(shù)之后，得到全局模型； 將所述全局模型分別發(fā)送至所述聯(lián)邦學習任務的N個客戶端，以使第i客戶端執(zhí)行預設迭代次數(shù)的本地迭代之后，從所得到的本地模型中獲取反映高層語義的稀疏向量，得到所述第i特征向量。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人支付寶(杭州)信息技術(shù)有限公司，其通訊地址為：310000 浙江省杭州市西湖區(qū)西溪路556號8層B段801-11；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。