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！

龍圖騰網獲悉長春理工大學申請的專利基于聯邦學習的衛星網絡異常檢測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：CN120321036B 。

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：202510788090.3，技術領域涉及：H04L9/40；該發明授權基于聯邦學習的衛星網絡異常檢測方法是由底曉強;王志民;曹金輝;何熊文;李錦青;祁暉設計研發完成，并于2025-06-13向國家知識產權局提交的專利申請。

本基于聯邦學習的衛星網絡異常檢測方法在說明書摘要公布了：基于聯邦學習的衛星網絡異常檢測方法，涉及衛星網絡通信技術領域，解決現有檢測系統不能有效的學習到數據間的特征模型以及無法實現最優模型訓練和通信開銷的平衡等問題。本發明通過對開源數據集進行預處理，構建CvT?LSTM模型，設計具有單個服務器和K個參與者的通用框架以及使用基于本地數據量與異常檢測模型精度加權的聚合策略，將被選中的客戶端的異常檢測模型參數上傳至全局模型，由全局模型聚合后，下發給所有客戶端等步驟實現。本方法避免低質量數據的干擾，從源頭上減少無效數據的傳輸和計算，顯著降低通信成本，且僅讓高代表性客戶端參與全局模型聚合，在保證模型性能的同時最大限度減少通信負擔。

本發明授權基于聯邦學習的衛星網絡異常檢測方法在權利要求書中公布了：1.基于聯邦學習的衛星網絡異常檢測方法，其特征是：該方法由以下步驟實現： 步驟一、對數據集進行預處理，并采用滑動窗口方法構建固定長度的消息序列； 步驟二、構建CvT-LSTM模型作為異常檢測模型，用于消息序列的異常檢測任務； 所述CvT-LSTM模型包括空間特征提取模塊和時間特征提取模塊； 所述空間特征提取模塊用于對輸入的消息序列進行空間特征提取，并利用所述時間特征提取模塊對空間特征進一步提取時間特征，并通過全連接層實現多分類異常檢測或二分類異常檢測，以最大值對應的類別作為最終的檢測結果； 所述空間特征提取模塊包括卷積投影層、多頭自注意力層、前饋層和殘差連接層； 將消息序列X經卷積變換維度后提取局部特征，將所述局部特征投影到新的特征空間，獲得經投影變換后的特征Xproj； 將投影變換后的特征Xproj作為多頭自注意力層的輸入，采用多個并行的自注意力機制學習不同的權重，最終將多頭自注意力層的輸出通過線性變換，獲得輸出特征Xatten； 采用前饋層對所述特征Xatten進行提取，并通過殘差連接層后輸出空間特征Xnorm； 在所述前饋層中，首先對多頭自注意力層的輸出特征Xatten進行線性變換、非線性激活以及二次線性變換，獲得與輸入的消息序列維度一致的特征Xffl； 對所述多頭自注意力層的輸出特征Xatten與輸入的消息序列進行殘差連接，獲得殘差連接的輸出特征 對前饋層輸出的特征Xffl與輸出特征進行殘差連接，輸出特征對所述輸出特征和進行殘差操作并進行歸一化，獲得空間特征Xnorm； 步驟三、設定具有單個服務器和N個客戶端的聯邦學習框架；選擇NM個客戶端用于每輪的聯邦訓練； 步驟四、采用基于加權平均的策略，將被選擇的客戶端的異常檢測模型參數上傳至全局模型，由所述全局模型聚合后，下發給所有客戶端。

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長春理工大學，其通訊地址為：130000 吉林省長春市朝陽區衛星路7089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”。