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！

龍圖騰網獲悉南京郵電大學申請的專利基于可擴展聯邦遺忘學習的加密網絡流量分類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：CN120492987B 。

龍圖騰網通過國家知識產權局官網在2025-09-16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：202510976997.2，技術領域涉及：G06F18/24；該發明授權基于可擴展聯邦遺忘學習的加密網絡流量分類方法是由李澤一;蔣宇娜設計研發完成，并于2025-07-16向國家知識產權局提交的專利申請。

本基于可擴展聯邦遺忘學習的加密網絡流量分類方法在說明書摘要公布了：本發明涉及人工智能的技術領域，涉及基于可擴展聯邦遺忘學習的加密網絡流量分類方法，特別適用于在網絡管理、網絡服務質量保障領域，在保障分類準確率的同時兼顧了應用動態變化的場景，包括：客戶端在本地構建包含特征提取層參數和全連接分類器層參數的聯邦模型；將本地數據集在模型上進行本地訓練，獲得特征提取參數和全連接層參數；客戶端請求刪除數據時，啟用輔助遺忘模塊，通過學習模塊和輔助遺忘模塊之間執行蒸餾操作，生成遺忘模塊；訓練結束后，采用模塊化方式構建可適應不同應用場景的全局模型。通過本地模型初始化、本地數據訓練、輔助遺忘模塊訓練和模塊自適應聚合，大大提高了模型分類的準確率和高度適應性。

本發明授權基于可擴展聯邦遺忘學習的加密網絡流量分類方法在權利要求書中公布了：1.基于可擴展聯邦遺忘學習的加密網絡流量分類方法，其特征在于：所述方法包括： S100、每個客戶端在本地構建包含特征提取層參數和全連接分類器層參數的聯邦模型，并進行初始化； S200、獲取每個客戶端針對其應用場景的本地數據集，并將所述本地數據集在模型上進行本地訓練，獲得特征提取參數和全連接層參數； S300、當客戶端請求刪除數據時，將所述客戶端設為遺忘客戶端，并啟用輔助遺忘模塊，通過學習模塊和輔助遺忘模塊之間執行蒸餾操作，生成遺忘模塊； S400、訓練結束后，客戶端將其模型參數上傳至服務器；所有客戶端首先上傳各自的特征提取層參數，服務器將所述參數統一聚合為全局特征提取層；將未請求刪除數據的客戶端設為非遺忘客戶端，對于全連接分類器層，則將遺忘客戶端的遺忘模塊與非遺忘客戶端的參數分開聚合，最終采用模塊化方式構建可適應不同應用場景的全局模型； 其中，所述S300中的學習模塊，包括： 在各個客戶端的學習模塊上，使用卷積神經網絡進行有監督學習NTC任務，定義一個標簽空間，從全局NTC模型來看，損失函數如下： ； 其中，表示該客戶端的類別總數，表示損失函數，表示第個客戶端的數據集，大小為，表示客戶端的數量，表示第個客戶端的第個樣本，表示第個客戶端的第個樣本對應的標簽，表示模型的函數，其中和表示模型的參數； 所述S300中的遺忘模塊，包括： S301、在聯邦學習中的遺忘機制中，當客戶端請求刪除其數據時，系統通過一個遺忘模塊進行優化，針對刪除后的數據進行重新訓練； 設定客戶端嘗試對類的數據進行遺忘操作，則設定是客戶端上的原始數據集，是客戶端上需要遺忘類別的數據集：，是客戶端上剩余的數據集：； 基于數據集修改標簽生成，其中將活動應用的標簽域映射到新的標簽域，其映射關系為：； 其中，是定義域，是對應的域；，給定是要刪除的類別為集合，，，那么； 由此得到映射函數；得到最新標簽索引； 其中，表示在原列表中比小的被移除的元素數量； 最終獲得； S302、獲取學習模塊訓練好的模型，根據參數凍結公式：，凍結模型的層，使訓練期間層的參數不會更新，且不會計算梯度； 其中，表示損失函數，表示凍結的參數； 獲取客戶端的輔助遺忘模塊，其目標函數為： ； 其中，表示客戶端針對其數據的輔助遺忘模型，所述模型針對數據集進行優化，滿足客戶端的遺忘請求；表示交叉熵損失，數據集是客戶端的設計數據集，用于輔助學習遺忘模型； 則根據目標函數得到遺忘模塊的模型，； 一旦微調完成，根據解凍公式：，神經元的前半部分參數將被解凍； 其中，表示解凍參數的程度，當=1時，表示完全解凍； 最后，標簽通過逆映射函數，重新映射回原始領域，； 所述遺忘模塊在整個遺忘的過程中，我們需要滿足兩個要求： a1、遺忘操作不能影響剩余數據的模型準確性： 遺忘模塊的模型對剩余數據的logit輸出應與原始模型保持一致，即： ； 其中，表示原始模型第個logit值，表示逆映射函數，表示訓練好的遺忘模型對輸入的logit輸出，即，表示標簽函數的逆映射； a2、遺忘后的模型應對遺忘數據表現出錯誤的分類行為： 遺忘模型的logit輸出應與遺忘數據的原始標簽存在差異，即： ； 其中，表示的真實標簽。

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南京郵電大學，其通訊地址為：210003 江蘇省南京市鼓樓區新模范馬路66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”。