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雙重知識蒸餾和聯邦學習的車聯網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：CN120342781B 。

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：202510788084.8，技術領域涉及：H04L9/40；該發明授權基于雙重知識蒸餾和聯邦學習的車聯網異常檢測方法是由底曉強;曹金輝;周時瑩;李錦青;祁暉;蔣志昂設計研發完成，并于2025-06-13向國家知識產權局提交的專利申請。

本基于雙重知識蒸餾和聯邦學習的車聯網異常檢測方法在說明書摘要公布了：基于雙重知識蒸餾和聯邦學習的車聯網異常檢測方法，涉及車聯網安全技術領域，解決現有車聯網異常檢測方法中，不同車輛的網絡流量數據存在非獨立同分布問題，影響全局模型的收斂性和檢測準確性以及全局模型難以充分學習各個本地異常檢測模型的特性，導致檢測能力受限等問題。本方法在云端引入無數據知識蒸餾機制，通過訓練偽數據生成器，使全局模型從多個本地異常檢測模型中學習異常網絡流量的特征，并通過知識蒸餾指導本地異常檢測模型訓練。本方法通過利用本地異常檢測模型與云端全局模型的相互學習，在車輛的本地數據不出車的前提下，有效緩解車聯網中不同車輛的本地數據的非獨立同分布問題，提高車聯網安全性和異常檢測的準確性。

本發明授權基于雙重知識蒸餾和聯邦學習的車聯網異常檢測方法在權利要求書中公布了：1.基于雙重知識蒸餾和聯邦學習的車聯網異常檢測方法，其特征是：該方法由以下步驟實現： 步驟一、對每個車輛利用本地數據集訓練本地異常檢測模型，將訓練后的本地異常檢測模型上傳至云端的服務器； 步驟二、云端的知識蒸餾； 所述服務器采用上傳的多個本地異常檢測模型訓練一個生成器，該生成器使用標簽生成偽數據，并采用所述偽數據將多個本地異常檢測模型的知識蒸餾到全局模型；知識蒸餾的具體過程為： 步驟二一、訓練生成器； 根據標簽的分布py采樣獨熱編碼標簽pesy，在采樣的獨熱編碼標簽pesy中加入高斯噪聲z，獲得帶有高斯噪聲的獨熱標簽y*；將所述帶有高斯噪聲的獨熱標簽y*傳送至生成器，獲得偽數據 步驟二二、蒸餾本地異常檢測模型知識； 將所述偽數據傳送到被上傳到云端的本地異常檢測模型，使偽數據能夠被本地異常檢測模型正確識別； 步驟二三、全局模型訓練； 利用訓練好的生成器構建偽數據，并將多個本地異常檢測模型作為教師模型指導全局模型訓練； 步驟三、車輛端的知識蒸餾； 將所述全局模型發送給所有車輛，每輛車利用帶有不同異常檢測模型知識的全局模型指導每個本地異常檢測模型訓練； 在訓練階段，采用帶標簽的本地數據采用聯邦訓練機制進行聯邦訓練；在在線檢測階段，經過訓練的本地異常檢測模型檢測新的網絡流量數據； 將全局模型GM當作教師模型，將本地異常檢測模型Mi當作學生模型，利用教師指導學生學習；具體過程為： 步驟三一、將本地數據傳送到全局模型中，并利用溫度系數T＝t獲得全局模型的軟目標STtGM； 將本地數據傳送到本地異常檢測模型，將溫度系數T分別設置為1和t時，獲得本地異常檢測模型的軟目標ST1LM和軟目標STtLM； 步驟三二、計算本地學生損失函數； 利用二元交叉熵損失計算本地異常檢測模型的軟目標ST1LM和真實標簽yTrue的差異，即本地學生損失函數，用下式表示為： 式中，和分別為第一個元素和第二個元素的軟目標； 步驟三三、計算本地蒸餾損失函數； 采用KL散度損失計算本地異常檢測模型的軟目標STtLM和全局模型的軟目標STtGM的差異，本地的蒸餾損失函數用下式表示為： 步驟三四、優化本地異常檢測模型；用下式表示為： 其中，為本地異常檢測模型的損失函數，λ2為訓練本地異常檢測模型的損失的比例因子。

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”。