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双重知识蒸馏和联邦学习的车联网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：CN120342781B 。

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：202510788084.8，技术领域涉及：H04L9/40；该发明授权基于双重知识蒸馏和联邦学习的车联网异常检测方法是由底晓强;曹金辉;周时莹;李锦青;祁晖;蒋志昂设计研发完成，并于2025-06-13向国家知识产权局提交的专利申请。

本基于双重知识蒸馏和联邦学习的车联网异常检测方法在说明书摘要公布了：基于双重知识蒸馏和联邦学习的车联网异常检测方法，涉及车联网安全技术领域，解决现有车联网异常检测方法中，不同车辆的网络流量数据存在非独立同分布问题，影响全局模型的收敛性和检测准确性以及全局模型难以充分学习各个本地异常检测模型的特性，导致检测能力受限等问题。本方法在云端引入无数据知识蒸馏机制，通过训练伪数据生成器，使全局模型从多个本地异常检测模型中学习异常网络流量的特征，并通过知识蒸馏指导本地异常检测模型训练。本方法通过利用本地异常检测模型与云端全局模型的相互学习，在车辆的本地数据不出车的前提下，有效缓解车联网中不同车辆的本地数据的非独立同分布问题，提高车联网安全性和异常检测的准确性。

本发明授权基于双重知识蒸馏和联邦学习的车联网异常检测方法在权利要求书中公布了：1.基于双重知识蒸馏和联邦学习的车联网异常检测方法，其特征是：该方法由以下步骤实现： 步骤一、对每个车辆利用本地数据集训练本地异常检测模型，将训练后的本地异常检测模型上传至云端的服务器； 步骤二、云端的知识蒸馏； 所述服务器采用上传的多个本地异常检测模型训练一个生成器，该生成器使用标签生成伪数据，并采用所述伪数据将多个本地异常检测模型的知识蒸馏到全局模型；知识蒸馏的具体过程为： 步骤二一、训练生成器； 根据标签的分布py采样独热编码标签pesy，在采样的独热编码标签pesy中加入高斯噪声z，获得带有高斯噪声的独热标签y*；将所述带有高斯噪声的独热标签y*传送至生成器，获得伪数据 步骤二二、蒸馏本地异常检测模型知识； 将所述伪数据传送到被上传到云端的本地异常检测模型，使伪数据能够被本地异常检测模型正确识别； 步骤二三、全局模型训练； 利用训练好的生成器构建伪数据，并将多个本地异常检测模型作为教师模型指导全局模型训练； 步骤三、车辆端的知识蒸馏； 将所述全局模型发送给所有车辆，每辆车利用带有不同异常检测模型知识的全局模型指导每个本地异常检测模型训练； 在训练阶段，采用带标签的本地数据采用联邦训练机制进行联邦训练；在在线检测阶段，经过训练的本地异常检测模型检测新的网络流量数据； 将全局模型GM当作教师模型，将本地异常检测模型Mi当作学生模型，利用教师指导学生学习；具体过程为： 步骤三一、将本地数据传送到全局模型中，并利用温度系数T＝t获得全局模型的软目标STtGM； 将本地数据传送到本地异常检测模型，将温度系数T分别设置为1和t时，获得本地异常检测模型的软目标ST1LM和软目标STtLM； 步骤三二、计算本地学生损失函数； 利用二元交叉熵损失计算本地异常检测模型的软目标ST1LM和真实标签yTrue的差异，即本地学生损失函数，用下式表示为： 式中，和分别为第一个元素和第二个元素的软目标； 步骤三三、计算本地蒸馏损失函数； 采用KL散度损失计算本地异常检测模型的软目标STtLM和全局模型的软目标STtGM的差异，本地的蒸馏损失函数用下式表示为： 步骤三四、优化本地异常检测模型；用下式表示为： 其中，为本地异常检测模型的损失函数，λ2为训练本地异常检测模型的损失的比例因子。

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”。