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！

龙图腾网获悉华南理工大学申请的专利基于多维指标动态识别联邦学习中的后门攻击防御方法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：CN116150745B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202310019902.9，技术领域涉及：G06F21/55；该发明授权基于多维指标动态识别联邦学习中的后门攻击防御方法是由高英;黄思铨;陈冲;时乐宇设计研发完成，并于2023-01-06向国家知识产权局提交的专利申请。

本基于多维指标动态识别联邦学习中的后门攻击防御方法在说明书摘要公布了：本发明公开了一种基于多维指标动态识别联邦学习中的后门攻击防御方法，包括以下步骤：首先引入曼哈顿距离，利用曼哈顿距离，提出的基于距离的防御措施对隐蔽的后门显示出显著的性能。为了应对各种攻击，利用多种指标合作来识别恶意的梯度，应用马氏距离并生成动态权重，以处理参与者的非IID分布和不同距离带来的不同尺度，最后，为每个提交的梯度计算分数，并根据分数只聚集良性的梯度；采用多维指标去动态识别联邦学习中的后门攻击，可以在保证主任务准确率及模型性能的同时，尽可能多的抵御不同的后门攻击手段，同时可以适应非独立同分布的数据分布情况，并且可以去防御隐蔽的、被攻击者精心设计后的后门攻击。

本发明授权基于多维指标动态识别联邦学习中的后门攻击防御方法在权利要求书中公布了：1.基于多维指标动态识别联邦学习中的后门攻击防御方法，其特征在于，包括以下步骤： S1、初始化联邦学习框架，定义和计算梯度特征，定义并计算每个客户端的特征值； 定义梯度的特征如下： 其中，i为第i个用户，wi为第i个用户训练的本地模型，w0为上一轮聚合后并下发的全局模型；第i个用户训练的梯度特征包括曼哈顿距离欧氏距离和余弦距离用如下公式表达用户梯度特征信息： x＝xMan,xEul,xCosine4； 选用离散度作为评判一个梯度是否为异常值的依据，定义并计算每个客户的模型的特征值： 其中分别为重定义的特征值，是梯度模型原有特征值，而是本轮上传的所有梯度中除以外的其他梯度； S2、使用马氏距离计算客户端动态权重和分数，按照距离分数di进行排序； 使用马氏距离给梯度特征赋权计算动态权重和分数： 其中Σ为当轮选到参与训练的所有用户的梯度特征的矩阵的协方差矩阵，其求逆得到的逆矩阵作为本轮的动态权重，di为通过第i个客户端的离散度向量x′i求得的分数，x′iT为x′i的转置； S3、剔除攻击梯度、聚合良性梯度并添加噪声。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381号；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”。