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！

龙图腾网获悉北京理工大学申请的专利基于联邦学习的保护隐私且鲁棒的个性化图像识别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：CN118941853B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202410984825.5，技术领域涉及：G06V10/764；该发明授权基于联邦学习的保护隐私且鲁棒的个性化图像识别方法是由徐畅;沈啸东;杨蕊光;祝烈煌设计研发完成，并于2024-07-22向国家知识产权局提交的专利申请。

本基于联邦学习的保护隐私且鲁棒的个性化图像识别方法在说明书摘要公布了：本发明提供一种基于联邦学习的保护隐私且鲁棒的个性化图像识别方法，首先，采用差分隐私机制保护用户隐私，与同态加密、安全多方计算等密码学手段相比，无需分发密钥或考虑用户的准入准出机制，提高系统的运行效率，降低系统的维护成本；其次，相比现有框架只关注隐私或中毒攻击，没有实现同时考虑上述二者的训练框架，本发明能够在个性化联邦学习中同时保护用户隐私和防御潜在攻击；综上所述，本发明是基于平均正则化多任务学习的个性化图像识别方法，在保护训练数据隐私的同时能够防御数据中毒、模型中毒等多种攻击，中心服务器应用该规则可有效过滤掉占比低于50％的潜在攻击者。

本发明授权基于联邦学习的保护隐私且鲁棒的个性化图像识别方法在权利要求书中公布了：1.一种基于联邦学习的保护隐私且鲁棒的个性化图像识别方法，其特征在于，各参与者采用图像识别本地模型对图像进行个性化识别；其中，各参与者的图像识别本地模型的训练方法包括以下步骤： S1：中心服务器向各参与者发送初始化后的图像识别全局模型；其中，各参与者的本地训练集所包含的图像样本数相同，且每个图像样本对应一个标签，所有参与者包含的图像样本对应的标签类别数为N，各参与者包含的图像样本对应的标签类别不完全相同，且各参与者包含的图像样本对应的标签类别数不超过N2； S2：判断是否为首轮迭代，若为是，各参与者基于本地训练集的平均梯度执行带差分隐私的随机梯度下降算法来更新自身的图像识别本地模型；若为否，各参与者根据本地训练集的平均梯度与图像识别全局模型的模型参数θg获取融合梯度，然后基于融合梯度执行带差分隐私的随机梯度下降算法来更新自身的图像识别本地模型；其中，图像识别本地模型与图像识别全局模型的结构相同； S3：各参与者分别获取自身更新后的图像识别本地模型的模型参数θl与图像识别全局模型的模型参数θg之间的差值Mk＝θl-θg，其中，k＝1,2,…,K，K为参与者的个数； S4：中心服务器分别各参与者的差值Mk计算一个分值scorek，并采用K-means聚类算法对所有分值scorek进行二分类； S5：获取包含更多分值的类别中所有差值Mk的平均值并将平均值与模型参数θg的和值作为图像识别全局模型在下一轮的模型参数； S6：判断当前迭代次数是否达到上限，若为是，得到各参与者最终的图像识别本地模型，若为否，将步骤S5得到的图像识别全局模型发送给各参与者，然后重新执行步骤S2～S6。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。