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！

龙图腾网获悉上海交通大学;上海工业控制安全创新科技有限公司申请的专利一种基于模型匹配的联邦学习用户身份持续认证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：CN115238251B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202210786941.7，技术领域涉及：G06F21/31；该发明授权一种基于模型匹配的联邦学习用户身份持续认证方法是由朱浩瑾;彭梓睿;李少锋;陈国兴;李平平;郁静华;王博文设计研发完成，并于2022-07-04向国家知识产权局提交的专利申请。

本一种基于模型匹配的联邦学习用户身份持续认证方法在说明书摘要公布了：本发明涉及联邦学习的身份认证领域，提供了一种基于模型匹配的用户身份持续认证方案。传统联邦学习架构中，中央服务器对各边缘用户的身份核验依赖于网络安全传输协议和系统准入身份认证，其在面临针对客户端和传输过程的攻击时缺乏有效的防御手段。本方案通过衡量边缘用户在联邦学习连续两个训练中上载的边缘模型间的匹配度进行持续性的用户身份认证，分为边缘用户‑中央服务器模型参数交互、边缘模型特征提取、用户身份认证三部分。中央服务器利用同数据集训练出的模型的决策边界具有高依赖性的特点，收集边缘模型决策边界梯度获取反映私有数据集的模型特征，再输入基于对比学习的编码器计算模型间的匹配度并排除身份异常用户。该方案广泛适用于各种以神经网络为基础的联邦学习系统，具有高准确率、实用性和兼容性。

本发明授权一种基于模型匹配的联邦学习用户身份持续认证方法在权利要求书中公布了：1.一种基于模型匹配的联邦学习用户身份持续认证方法，其特征在于，包括： 中央服务器-边缘用户模型参数上载下发阶段：边缘用户上载边缘模型和中央服务器下发中央模型； 边缘模型特征提取阶段：通过提取算法对收集到的每轮次边缘模型进行特征提取； 用户身份认证阶段：以当前轮次中边缘模型与前一轮次边缘模型的匹配度为指标，对边缘用户进行身份认证； 所述边缘模型特征提取阶段，在每一联邦学习的训练轮次中，对于该轮内每个边缘用户上传的边缘模型进行特征提取，所述特征提取包括S201，选取特征生成数据；S202，计算决策边界梯度；S203，提取决策边界方向三个步骤； S201，选取特征生成数据：中央服务器测试数据集中选取大小为N的均匀分散数据子集，利用二分法生成决策边界数据点充当特征生成数据点集合 S202，计算边缘模型的决策边界梯度：提取每个边缘模型在S201中生成的数据点集合处的决策边界梯度，其中第j个边缘模型在第m个数据点上对应的决策边界梯度是将边缘模型在k个特征生成数据点上的梯度组合起来成为边缘模型的初步特征； S203，提取决策边界方向：根据边缘模型初步特征进行奇异值降维，计算边缘模型在各决策边界点上的梯度； 所述用户身份认证阶段：以之前训练轮次中各边缘模型的特征向量及其多视角增强所得正对子特征向量为训练集，利用对比学习针对每一边缘用户训练一模型特征编码器，交由用户身份判别器依据当前轮次的边缘模型与前一轮次边缘模型的匹配度进行身份确认。

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上海交通大学;上海工业控制安全创新科技有限公司，其通讯地址为：200240 上海市闵行区东川路800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。