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！

龙图腾网获悉武汉大学申请的专利一种抗数据投毒联邦学习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：CN120145182B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202510179067.4，技术领域涉及：G06F21/56；该发明授权一种抗数据投毒联邦学习方法是由崔晓晖;盛桉笛;郑承良;彭祥贞设计研发完成，并于2025-02-18向国家知识产权局提交的专利申请。

本一种抗数据投毒联邦学习方法在说明书摘要公布了：本发明公开了一种抗数据投毒联邦学习方法，属于联邦机器学习技术领域，包括：中央服务器初始化全局模型参数和各客户端的被选择概率；根据各客户端的被选择概率随机选择客户端下发全局模型参数；根据被选择的客户端返回的更新后的本地模型参数计算各本地模型的沙普利值和沙普利值权重；根据各本地模型的沙普利值权重选择更新后的本地模型参数进行聚合并更新全局模型参数；根据各本地模型的沙普利值更新各客户端的被选择概率，将被选择概率低于概率阈值的客户端标记为恶意客户端并移除。该方法能够有效识别并剔除潜在的恶意客户端，提高模型的安全性。

本发明授权一种抗数据投毒联邦学习方法在权利要求书中公布了：1.一种抗数据投毒联邦学习方法，其特征在于，包括： 中央服务器初始化全局模型参数和各客户端的被选择概率； 根据各客户端的被选择概率，随机选择客户端下发全局模型参数； 根据被选择的客户端返回的更新后的本地模型参数，计算各本地模型的沙普利值和沙普利值权重； 根据各本地模型的沙普利值权重，选择更新后的本地模型参数进行聚合并更新全局模型参数； 根据各本地模型的沙普利值，更新各客户端的被选择概率，将被选择概率低于概率阈值的客户端标记为恶意客户端并移除； 重复迭代联邦学习，直至达到迭代终止条件为止； 其中，本地模型参数是由被选择的客户端根据中央服务器下发的全局模型参数，利用本地数据集对本地模型进行本地训练后更新的； 根据各本地模型的沙普利值权重，选择更新后的本地模型参数进行聚合并更新全局模型参数包括： 移除沙普利值权重最小的个本地模型所对应的更新后的本地模型参数； 采用逐维中位数计算方法对剩余的更新后的本地模型参数进行聚合并更新全局模型参数； 其中，表示移除比例，表示第轮迭代中被选择的客户端的集合； 客户端的被选择概率的更新公式为： ； 其中，、表示第个客户端在第、轮迭代中的被选择概率，表示第二选择比例，表示第个客户端在第轮迭代中本地模型的沙普利值。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。