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！

龙图腾网获悉湖北大学申请的专利异构数据下的联邦学习模型知识遗忘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：CN118709718B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202410357795.5，技术领域涉及：G06N3/042；该发明授权异构数据下的联邦学习模型知识遗忘方法是由杨洋;王振;刘军;王丽玉设计研发完成，并于2024-03-27向国家知识产权局提交的专利申请。

本异构数据下的联邦学习模型知识遗忘方法在说明书摘要公布了：本发明公开一种异构数据下的联邦学习模型知识遗忘方法，对用户数据进行聚类和切片，在每个单独的切片上训练子联邦模型，最后再聚合产生全局模型。在还原学习任务中，只对相应的子联邦模型进行重训练，在保证数据隐私和精确删除数据的同时，大大减少了训练时间，实现在异质数据环境下，对联邦用户的私人数据和有害数据的快速和精确的清除。

本发明授权异构数据下的联邦学习模型知识遗忘方法在权利要求书中公布了：1.一种异构数据下的联邦学习模型知识遗忘方法，其特征在于，包括以下步骤： 步骤1、均衡切片数据，即在中心服务器上基于模型偏差值聚类方法对客户端集合U进行切片划分，具体方法为： 步骤1.1、第一轮预训练结束后，根据客户端集合U中所有用户Ui上传的模型偏差值W，采用余弦相似度计算每对用户之间的相关性D； 上式中，客户端集合U包含所有参加联邦学习的用户，wσ是指全局模型的初始权重，将wσ作为参考点来衡量每个用户与wσ之间的相关性，wi为所有用户经过一轮训练后的模型权重，W为所有用户模型权重集合；Di表示wi与wσ的相关性，D为所有用户相关性集合； 步骤1.2、客户端基于相关性集合D进行聚类，其中数据类型高度相似的用户被分组到相同的聚类集合C中； 上式中，Di、Dj分别表示用户i和用户j和初始全局模型的相关性，且Di、Dj均为相关性集合D中的元素，Ci是聚类集合C的元素； 步骤1.3、将聚类集合C中的用户均匀分布，得到划分后的切片集合S； 切片集合S中包含r个切片Sj，其中每个单独的切片均包含Nr个用户，N为用户总数，此时每个切片中非独立同分布情况得到缓解； 步骤2、在各个切片Sj上训练子联邦模型Mj，训练过程中所有子联邦模型共享相同体系结构的同时并行训练；具体方法为：在每个切片Si上训练子联邦模型Mi，在所有切片上训练的模型共享一个统一的模型结构，这便于后续的模型聚合，对于单个切片中的子联邦模型训练，在切片内随机选择m个用户参与该训练； 对于t从1到T‑1的每一个通信轮，执行以下步骤： 服务器端操作如下：服务器从切片Us中选择m个客户端，组成一个客户端集合Ot；服务器将当前的全局模型参数wt分发给集合Ot中的所有客户端； 客户端操作如下：对每一个被选中的客户端k执行以下操作：使用其本地数据，对下载的wt进行E轮的梯度下降更新，得到新的模型参数客户端k将其更新后的模型参数上传到服务器； 步骤3、将训练好的子联邦模型聚合形成全局模型，当需要执行还原学习任务时，在删除相应的用户或相关数据后重新训练相应的子联邦模型，然后将所有子联邦模型聚合成一个新的全局模型； 其中，服务器使用聚合每个片区的参数得到每个片区Si上的模型Mi；聚合每个片区的模型Mi，得到更新后的全局模型Mg。

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湖北大学，其通讯地址为：430062 湖北省武汉市武昌区友谊大道368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。