买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉湖南大学申请的专利一种不依赖梯度的聚类联邦学习方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115577360B 。

龙图腾网通过国家知识产权局官网在2025-09-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211422140.9，技术领域涉及：G06F21/56；该发明授权一种不依赖梯度的聚类联邦学习方法及系统是由徐旸;张益邦;谭运林;张程;谢鲲;唐卓;李肯立;张尧学设计研发完成，并于2022-11-14向国家知识产权局提交的专利申请。

本一种不依赖梯度的聚类联邦学习方法及系统在说明书摘要公布了：本发明公开了一种不依赖梯度的聚类联邦学习方法及系统，本发明方法包括：客户端分别计算数据分布信息及相互的交集相似度并构造交集相似度向量；服务器收集交集相似度向量并构建相似度矩阵，对客户端进行聚类并执行模型训练，在服务器检测到模型的精度下降且确定恶意簇后，选择客户端来组成验证委员会并进行验证并投票将恶意模型排除、保留良性模型。本发明中服务器不需要依靠客户端的梯度信息进行聚类而是根据客户端的数据分布之间的交集相似度来进行聚类，避免了客户端的梯度信息泄露问题，保护了客户端的梯度安全，增强了聚类联邦学习过程中的安全性、可靠性、并且提高了训练精度。

本发明授权一种不依赖梯度的聚类联邦学习方法及系统在权利要求书中公布了：1.一种不依赖梯度的聚类联邦学习方法，其特征在于，包括： S1，客户端分别计算自己的标签样本的数据分布信息，获得自己与其他客户端的数据分布信息之间的交集相似度并构造交集相似度向量； S2，服务器收集各个客户端的交集相似度向量并构建相似度矩阵； S3，服务器基于相似度矩阵使用保证多样性的聚类方法对客户端进行聚类，并执行模型训练步骤，且在服务器检测到模型的精度下降时，跳转下一步； S4，服务器检测恶意簇，且在确定恶意簇后，选择拥有与恶意簇中的客户端最相似数据分布、且不在恶意簇中的客户端来组成验证委员会； S6，利用验证委员会的成员为恶意簇中成员的模型进行验证并投票决定为良性模型和恶意模型，将恶意模型排除、保留良性模型； 步骤S3中服务器基于相似度矩阵使用保证多样性的聚类方法对客户端进行聚类包括：将所有交集相似度高于阈值的客户端聚集成候选簇集合并去重，使得该候选簇集合中包含了所有可能的聚类结果；在该候选簇集合中，计算每一个候选簇的权重，并使用贪心算法，每次选择可使负载最小的候选簇加入到最终簇集合中，直至所有客户端都被分配到最终簇集合中； 所述计算每一个候选簇的权重的函数表达式为： ， 上式中，表示计算候选簇的成本，为客户端的编号，为相似度矩阵的第i行第ID列的元素；所述负载的计算函数表达式为： ， 上式中，表示负载，表示尚未被选入最终簇的候选簇集合，表示候选簇集合，表示已被选入最终簇的客户端的编号。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路麓山门；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。