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！

龙图腾网获悉重庆邮电大学;中移物联网有限公司申请的专利一种安全可靠的分布式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：CN116976468B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202310968664.6，技术领域涉及：G06N20/20；该发明授权一种安全可靠的分布式学习方法是由吴大鹏;杨志刚;王明儒;罗曼;王汝言;张普宁;张鸿;张栩华设计研发完成，并于2023-08-01向国家知识产权局提交的专利申请。

本一种安全可靠的分布式学习方法在说明书摘要公布了：本发明涉及一种安全可靠的分布式学习方法，属于机器学习领域，具体包括以下步骤：S1：在服务器收到客户端模型后，针对每个客户端的局部迭代轮次精度来分别与局部模型测试精度、临时全局模型以及上一个时期的全局模型进行比较，计算客户端模型的信誉分数，并把信誉分数进行保存；S2：延迟梯度平均更新：客户端不间断的进行本地更新，并通过梯度校正项来补偿梯度老化现象。本发明可提高全局模型的可靠性和稳健性。

本发明授权一种安全可靠的分布式学习方法在权利要求书中公布了：1.一种安全可靠的分布式学习方法，其特征在于：具体包括以下步骤： S1：在边缘服务器收到客户端模型后，针对每个客户端的当前本地迭代的训练模型精度来分别与当前轮次中局部模型测试精度、临时全局模型以及上一轮次的全局模型测试精度进行比较，计算客户端模型的信誉分数，并把信誉分数进行保存； 根据客户端在当前本地迭代期间更新的模型信誉分数，选择参与聚合的客户端集合； 信誉分数通过三部分来计算： 其中是客户端在训练轮次时本地迭代次的信誉分数；是客户端在训练轮次时本地迭代次的训练模型精度；是当前训练轮次中局部模型测试精度的均值；是中心服务器进行粗糙局部聚合的结果，即临时全局模型精度；是上一轮次的全局模型测试精度；是权衡因子，且； S2：延迟梯度平均更新：客户端不间断的进行本地更新，并通过梯度校正项来补偿梯度老化现象； 步骤S2中，客户端不间断的进行本地更新，从而使客户端能立即开始下一轮更新，并通过梯度校正项来补偿梯度老化现象，具体步骤包括： S21：客户端在第轮结束时发送累积梯度给边缘服务器； S22：客户端继续使用本地数据执行本地更新； S23：边缘服务器执行聚合操作； S24：当客户端接收到边缘服务器第轮的聚合梯度后，客户端已经执行了次额外的本地更新； S25：延迟梯度平均更新：客户端用接收到的聚合梯度替换第轮的局部梯度。

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重庆邮电大学;中移物联网有限公司，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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。