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！

龙图腾网获悉南京信息工程大学;江苏羽驰区块链科技研究院有限公司申请的专利一种基于特征融合的联邦学习模型版权保护方法和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：CN120744879B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202511143949.1，技术领域涉及：G06F21/10；该发明授权一种基于特征融合的联邦学习模型版权保护方法和系统是由陈先意;王茜茜;崔琦;汪学波设计研发完成，并于2025-08-15向国家知识产权局提交的专利申请。

本一种基于特征融合的联邦学习模型版权保护方法和系统在说明书摘要公布了：本发明提供了一种基于特征融合的联邦学习模型版权保护方法和系统，所述方法包括：步骤1，接收水印触发样本，将水印触发样本输入至预先建立的客户端模型内进行训练；步骤2，对本地共享模型参数和本地分类层参数分别进行更新聚合，得到更新的全局模型共享参数和个性化分类层参数；基于特征层水印嵌入机制对更新的全局模型共享参数进行水印特征提取，得到全局水印；步骤3，对个性化分类层参数进行多比特量化，得到二进制签名的集合；基于黑盒水印和全局水印进行版权验证，基于二进制签名的集合确定恶意客户端。本发明能够有效遏制模型的非法复制与分发，为促进数据与模型协作范式的健康、可持续发展提供关键技术支撑。

本发明授权一种基于特征融合的联邦学习模型版权保护方法和系统在权利要求书中公布了：1.一种基于特征融合的联邦学习模型版权保护方法，其特征在于，包括以下步骤： 步骤1，接收水印触发样本，将水印触发样本输入至预先建立的客户端模型内进行训练，所述客户端模型采用卷积神经网络模型，在卷积神经网络模型内部嵌入黑盒水印的同时得到本地共享模型参数和本地分类层参数； 步骤2，基于个性化参数下发机制，对本地共享模型参数和本地分类层参数分别进行更新聚合，得到更新的全局模型共享参数和个性化分类层参数；基于特征层水印嵌入机制对更新的全局模型共享参数进行水印特征提取，得到全局水印； 步骤3，基于个性化签名提取机制，对个性化分类层参数进行多比特量化，得到二进制签名的集合；基于黑盒水印和全局水印进行版权验证，基于二进制签名的集合确定恶意客户端； 步骤1中，获取客户端正常训练样本和客户端对应触发器，将客户端正常训练样本结合客户端对应触发器，得到水印触发样本，具体包括： 对于每个客户端的正常训练样本，其中表示原始样本，表示对应标签，表示正常训练样本，每个客户端接收到服务器下发的客户端专属的局部触发器，，N表示客户端总数即局部触发器总数；通过将客户端专属的触发器叠加到原始样本上，生成水印触发样本，表示叠加操作，同时赋予水印目标标签，每个客户端使用的水印触发样本与正常训练样本共同用于训练客户端模型； 步骤2包括：服务器对所有参与客户端，每轮上报的本地共享模型参数进行加权平均聚合，得到第t+1次训练轮次时的全局共享模型参数： ， 其中，表示客户端的本地数据集大小，，其中t表示联邦学习的训练轮次，表示联邦学习训练的最后一个轮次，对每个客户端上报的本地分类层参数进行联邦平均，得到第t+1次训练轮次时的全局分类层参数： ， 计算每个客户端的本地分类层参数向量与全局分类层参数向量之间的余弦相似度，然后根据余弦相似度，动态计算用于客户端个性化分类层参数的权重： ， ， ， 其中，表示个性化分类层参数，和为预设的超参数； 服务器将聚合后的全局共享模型参数和为每个客户端生成的个性化分类层参数打包，下发给相应的客户端；打包并下发的过程如下： ， 其中，表示下发操作。

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南京信息工程大学;江苏羽驰区块链科技研究院有限公司，其通讯地址为：210044 江苏省南京市江北新区宁六路219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”。

以上内容由龙图腾AI智能生成。