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！

龙图腾网获悉北京航空航天大学申请的专利一种物理层认证增强的无人机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：CN119946630B 。

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：202510157709.0，技术领域涉及：H04W12/06；该发明授权一种物理层认证增强的无人机联邦学习方法是由王景璟;童梓恒;陈健瑞;任鹏飞;冯厚泽;付航;刘建伟设计研发完成，并于2025-02-13向国家知识产权局提交的专利申请。

本一种物理层认证增强的无人机联邦学习方法在说明书摘要公布了：本发明涉及联邦学习技术领域，提出一种物理层认证增强的无人机联邦学习方法，包括：通过基于物理层认证增强的通信模型判断所述边缘设备的身份验证是否合格，若合格则所述无人机接收所述边缘设备更新的联邦学习的本地模型，若不合格则所述无人机拒绝接收所述本地模型，其中，所述通信模型为采用信噪比和漏报率的二元假检验模型；基于所述漏报率构建无人机编排资源模型，通过LSTM‑SDRL算法对所述无人机编排资源模型进行求解生成用以确定安全性能、通信性能、节能性能和模型准确性能的无人机编排策略。本发明通过物理层识别出身份认证不合格的恶意设备，保障联邦学习的安全性、通信性能、节能性能、模型准确性能、高隐私和低通信开销。

本发明授权一种物理层认证增强的无人机联邦学习方法在权利要求书中公布了：1.一种物理层认证增强的无人机联邦学习方法，其特征在于，无人机作为移动服务器与地面的边缘设备进行联邦学习，包括： 通过基于物理层认证增强的通信模型判断所述边缘设备的身份验证是否合格，若合格则所述无人机接收所述边缘设备更新的联邦学习的本地模型，若不合格则所述无人机拒绝接收所述本地模型，其中，所述通信模型为采用信噪比和漏报率的二元假设检验模型； 基于所述漏报率构建无人机编排资源模型，通过LSTM-SDRL算法对所述无人机编排资源模型进行求解生成用以确定安全性能、通信性能、节能性能和模型准确性能的无人机编排策略； 其中所述无人机编排资源模型，包括目标函数和约束条件； 所述目标函数为最小化基于无人机轨迹、联邦学习参与变量、时延能耗变量的安全学习成本函数； 所述约束条件包括漏报率与安全威胁阈值的比较、基于所述联邦学习参与变量的联邦学习最小参与设备约束、基于所述无人机轨迹的无人机运动约束； 其中，所述时延能耗变量包括带宽分配、计算频率和传输功率，所述联邦学习参与变量、带宽分配、计算频率、传输功率和漏报率根据边缘设备的身份验证是否合格确定； 其中，所述LSTM-SDRL算法包括LSTM子算法和SDRL子算法； 所述SDRL子算法的状态空间包括身份验证合格边缘设备的位置、身份验证不合格边缘设备的位置、边缘设备传输功率、约束条件、数据集大小和无人机剩余能量，动作空间包括无人机轨迹、联邦学习参与变量、边缘设备发射功率、计算频率和带宽分配，奖励函数基于安全学习成本函数和所述约束条件确定； 所述LSTM子算法用于对Q网络和E网络的网络参数进行初始化计算，所述Q网络和E网络用于计算所述状态空间和动作空间。

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航空航天大学，其通讯地址为：100083 北京市海淀区学院路37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。