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！

龙图腾网获悉南京邮电大学;江苏省未来网络创新研究院申请的专利基于自适应分层差分隐私联邦学习的工业互联网流量分类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：CN118316642B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202410234822.X，技术领域涉及：H04L9/40；该发明授权基于自适应分层差分隐私联邦学习的工业互联网流量分类方法是由赵海涛;潘晨悦;焦东来;刘淼;朱春;杨洁设计研发完成，并于2024-03-01向国家知识产权局提交的专利申请。

本基于自适应分层差分隐私联邦学习的工业互联网流量分类方法在说明书摘要公布了：本发明公开了基于自适应分层差分隐私联邦学习的工业互联网流量分类方法，包括如下步骤：首先各个客户端采集终端控制智能设备的流量数据，构建训练样本数据集，然后构建本地、全局流量数据分类神经网络，客户端利用数据集训练本地流量数据分类神经网络，中央服务器对本地流量数据分类神经网络进行整合和反向传播更新全局流量数据分类神经网络，获得全局流量数据分类模型；在训练过程中进行分层隐私加噪、确定自适应学习率变动范围、以及根据联邦学习数据任务选择自适应学习率方案。最后利用全局流量分类模型，对智能设备的数据流量判别正常与否。本发明能够在工业互联网场景中得到广泛的应用，在保证隐私安全性的同时提高生产的智能化和高效性。

本发明授权基于自适应分层差分隐私联邦学习的工业互联网流量分类方法在权利要求书中公布了：1.基于自适应分层差分隐私联邦学习的工业互联网流量分类方法，其特征在于，包括如下步骤： S1、各个客户端采集终端控制智能设备的流量数据进行预处理，构建流量数据训练样本数据集，包括正常流量、恶意流量以及对应的分类标签； S2、中央服务器选定客户端，被选定的各个客户端分别构建各自的本地流量数据分类神经网络，之后被选定的客户端利用流量数据训练样本数据集训练本地流量数据分类神经网络，中央服务器基于客户端的本地流量数据分类神经网络，构建全局流量数据分类神经网络，并且对客户端本地流量数据分类神经网络进行整合和反向传播更新全局流量数据分类神经网络，获得全局流量数据分类模型；在训练过程中通过进行分层隐私加噪、确定自适应学习率变动范围、以及根据联邦学习数据任务选择自适应学习率方案，保证添加噪声的方差大小始终一致； 其中，在训练过程中通过进行分层隐私加噪，具体是计算每一层神经网络的输出权重和流量数据之间的互信息量确定不同各个客户端的加噪方案，包括以下子步骤： A-201、以批量大小为B流量数据作为输入，分别计算每一层的输出和原始流量数据之间的互信息量，如下式： ， 式中，表示和的互信息表达式，即隐私风险；表示相应的KL散度表达式；和分别表示客户端中以批量大小为B的原始数据以及模型某一层的输出；、和分别表示和的联合分布和边际分布；表示联合分布的期望；表示网络参数；表示边缘分布的期望； A-202、在加噪前，根据差分隐私的原理需要客户端和中央服务器之间的交互数据保持在预设范围内，进行梯度剪裁，将梯度限制在内，交互数据计算如下式： ， 为梯度大小的上限； A203、根据步骤A-201计算神经网络每层的隐私风险，分配第i层所添加的噪声： ， 其中表示本次联邦学习的隐私预算；客户端将所有层隐私风险的倒数对每一层进行加权处理分配噪声； A204、加入Laplace噪声进行防御，对第i层的加噪，如下式： ， 其中表示差分隐私中的灵敏度，具体表示为,其受学习率和梯度上限的影响； 根据联邦学习数据任务选择自适应学习率方案，具体包括以下子步骤： C-201、采用分段衰减学习率，在第k轮学习的学习率表示如下式： ， 其中为初始学习率，即最小的学习率，为下降因子，，E是轮全局迭代次数； C-202、根据自适应学习率变动相应的噪声预算，重新定义相应的隐私预算，如下式： ， S3、利用全局流量分类模型，对实时终端控制智能设备的数据流量进行分类，判别是正常流量或者恶意流量。

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邮电大学;江苏省未来网络创新研究院，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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。