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！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)申请的专利工业物联网下基于双重对抗训练的联邦学习方法及装置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：CN120258095B 。

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：202510742210.6，技术领域涉及：G06N3/098；该发明授权工业物联网下基于双重对抗训练的联邦学习方法及装置是由杨明;李东润;王鑫;吴晓明;陈振娅;贺云鹏;刘臣胜;穆超;徐硕;吴法宗设计研发完成，并于2025-06-05向国家知识产权局提交的专利申请。

本工业物联网下基于双重对抗训练的联邦学习方法及装置在说明书摘要公布了：本发明属于特征提取的技术领域，更具体地，涉及一种工业物联网下基于双重对抗训练的联邦学习方法及装置。所述方法包括：服务器初始化全局模型并发至客户端；各客户端基于接收到的全局信息进行本地模型更新；完成本地模型更新后，各客户端进入本地训练阶段；然后各客户端重新计算本地特征原型、特征提取器上传轮次；随后将以下本地信息上传至服务器，其中，若当前轮次在上传轮次集合中，本地特征提取器才上传；最后服务器聚合本地特征原型和本地分类器，和接收到的本地特征提取器，之后将聚合信息下发给各客户端。本发明解决了现有联邦学习方法在个性化与共享知识之间的平衡机制设计不足，难以适应工业现场多源异构、动态变化环境的问题。

本发明授权工业物联网下基于双重对抗训练的联邦学习方法及装置在权利要求书中公布了：1.工业物联网下基于双重对抗训练的联邦学习方法，其特征在于，所述方法包括： S1、服务器初始化全局模型，并将该全局模型下发至各参与联邦学习的客户端，所述客户端是指工业设备或终端； S2、各客户端基于接收到的全局信息进行本地模型更新： 首次本地模型更新时，各客户端将本地模型初始化为接收到的全局模型； 在后续轮次，客户端收到来自服务器的新一轮全局特征提取器时，客户端更新本地特征提取器，本地分类器部分则保持不变，不做更新操作； S3、完成本地模型更新后，各客户端进入本地训练阶段； 本地模型中的特征提取器与分类器采用分阶段独立训练方式，训练顺序为先对本地分类器进行训练，再对本地特征提取器进行训练；在首次本地训练轮次中，本地特征提取器与本地分类器仅依据数据驱动的交叉熵损失进行训练；而在非首次本地训练中，特征提取器同时受交叉熵损失与全局特征原型损失共同约束，分类器则在交叉熵损失基础上叠加对抗训练损失进行优化训练； S4、各客户端在完成第一轮本地训练后，上传本地信息到服务器前，计算特征提取器的上传轮次集合，后续轮次不需要重复计算；然后各客户端重新计算本地特征原型，随后将以下本地信息上传至服务器：重新计算的本地特征原型、本地特征提取器、本地分类器、客户端拥有的总训练样本数量以及各类别的训练样本数量信息，其中，样本数量信息仅在第一轮训练完成后上传，若当前轮次在上传轮次集合中，本地特征提取器才上传；其中，计算特征提取器的上传轮次集合是指：计算本地特征提取器与本地特征原型参数比值，然后将的倍数从通信轮次中剔除，在这些轮次时，本地特征提取器不进行上传，进而得到特征提取器上传轮次集合； S5、服务器分别把类别样本量和总的样本量作为聚合权重设定依据，对客户端上传的本地特征原型与本地分类器进行聚合，生成全局特征原型与全局分类器；若当前轮次上传了本地特征提取器，则基于总样本量进行加权聚合，得到全局特征提取器；之后将聚合信息下发给参与联邦学习的客户端； S6、重复步骤S2至S5，直至本地模型收敛，或达到预设的通信轮次数。

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齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)，其通讯地址为：250000 山东省济南市长清区西部新城大学科技园；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”。