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！

龙图腾网获悉长春理工大学申请的专利基于联邦学习的卫星网络异常检测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：CN120321036B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510788090.3，技术领域涉及：H04L9/40；该发明授权基于联邦学习的卫星网络异常检测方法是由底晓强;王志民;曹金辉;何熊文;李锦青;祁晖设计研发完成，并于2025-06-13向国家知识产权局提交的专利申请。

本基于联邦学习的卫星网络异常检测方法在说明书摘要公布了：基于联邦学习的卫星网络异常检测方法，涉及卫星网络通信技术领域，解决现有检测系统不能有效的学习到数据间的特征模型以及无法实现最优模型训练和通信开销的平衡等问题。本发明通过对开源数据集进行预处理，构建CvT‑LSTM模型，设计具有单个服务器和K个参与者的通用框架以及使用基于本地数据量与异常检测模型精度加权的聚合策略，将被选中的客户端的异常检测模型参数上传至全局模型，由全局模型聚合后，下发给所有客户端等步骤实现。本方法避免低质量数据的干扰，从源头上减少无效数据的传输和计算，显著降低通信成本，且仅让高代表性客户端参与全局模型聚合，在保证模型性能的同时最大限度减少通信负担。

本发明授权基于联邦学习的卫星网络异常检测方法在权利要求书中公布了：1.基于联邦学习的卫星网络异常检测方法，其特征是：该方法由以下步骤实现： 步骤一、对数据集进行预处理，并采用滑动窗口方法构建固定长度的消息序列； 步骤二、构建CvT-LSTM模型作为异常检测模型，用于消息序列的异常检测任务； 所述CvT-LSTM模型包括空间特征提取模块和时间特征提取模块； 所述空间特征提取模块用于对输入的消息序列进行空间特征提取，并利用所述时间特征提取模块对空间特征进一步提取时间特征，并通过全连接层实现多分类异常检测或二分类异常检测，以最大值对应的类别作为最终的检测结果； 所述空间特征提取模块包括卷积投影层、多头自注意力层、前馈层和残差连接层； 将消息序列X经卷积变换维度后提取局部特征，将所述局部特征投影到新的特征空间，获得经投影变换后的特征Xproj； 将投影变换后的特征Xproj作为多头自注意力层的输入，采用多个并行的自注意力机制学习不同的权重，最终将多头自注意力层的输出通过线性变换，获得输出特征Xatten； 采用前馈层对所述特征Xatten进行提取，并通过残差连接层后输出空间特征Xnorm； 在所述前馈层中，首先对多头自注意力层的输出特征Xatten进行线性变换、非线性激活以及二次线性变换，获得与输入的消息序列维度一致的特征Xffl； 对所述多头自注意力层的输出特征Xatten与输入的消息序列进行残差连接，获得残差连接的输出特征 对前馈层输出的特征Xffl与输出特征进行残差连接，输出特征对所述输出特征和进行残差操作并进行归一化，获得空间特征Xnorm； 步骤三、设定具有单个服务器和N个客户端的联邦学习框架；选择NM个客户端用于每轮的联邦训练； 步骤四、采用基于加权平均的策略，将被选择的客户端的异常检测模型参数上传至全局模型，由所述全局模型聚合后，下发给所有客户端。

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长春理工大学，其通讯地址为：130000 吉林省长春市朝阳区卫星路7089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”。