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！

龙图腾网获悉杭州海康威视数字技术股份有限公司申请的专利联邦学习模型鲁棒性增强方法、设备及系统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：CN120745754B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511187095.7，技术领域涉及：G06N3/098；该发明授权联邦学习模型鲁棒性增强方法、设备及系统是由王滨;韩蒙;王星;李昱锋;林昶廷设计研发完成，并于2025-08-22向国家知识产权局提交的专利申请。

本联邦学习模型鲁棒性增强方法、设备及系统在说明书摘要公布了：本申请提供一种联邦学习模型鲁棒性增强方法、设备及系统。服务端通过依据目标数据集生成腐败数据集以及对抗数据集，并生成通用数据集，进而，依据通用数据集对当前的全局模型进行预训练，有效提升全局模型的鲁棒性，优化模型性能；客户端利用处理后的本地数据对预训练的全局模型进行本地更新训练，通过利用变分自动编码器对本地数据集进行处理，有效减少由于各参与联邦学习的客户端的数据集之间的差异性导致的样本倾斜噪声，从而，可以优化本地更新后的全局模型的性能，进而，服务端通过依据各目标客户端上传的本地更新的全局模型，生成本轮联邦学习的全局模型，可以得到鲁棒性更强、性能更优的全局模型。

本发明授权联邦学习模型鲁棒性增强方法、设备及系统在权利要求书中公布了：1.一种联邦学习模型鲁棒性增强方法，其特征在于，应用于服务端，所述方法包括： 依据目标数据集生成腐败数据集以及对抗数据集；其中，所述腐败数据集通过模拟真实损失分布生成；所述目标数据集包括用于对模型进行图像分类训练的图像数据集或语音识别训练的语音数据集； 依据所述目标数据集、所述腐败数据集，以及，所述对抗数据集，生成通用数据集； 依据所述通用数据集对当前的全局模型进行预训练，得到预训练的全局模型；所述当前的全局模型包括初始化的全局模型； 对所述预训练的全局模型进行剪枝处理，得到轻量化的全局模型； 将所述轻量化的全局模型下发给目标客户端，以使所述目标客户端利用处理后的本地数据集对所述轻量化的全局模型进行本地更新训练，得到本地更新的全局模型；其中，所述目标客户端为参与本轮联邦学习的客户端，所述处理后的本地数据集为利用变分自动编码器对本地数据集进行处理得到； 接收所述目标客户端上传的本地更新的全局模型，并依据所述目标客户端上传的本地更新的全局模型，生成本轮联邦学习的全局模型；其中，所述全局模型用于图像分类任务或语音识别任务； 其中，所述对所述预训练的全局模型进行剪枝处理，得到轻量化的全局模型，包括： 创建与所述预训练的全局模型对应的掩码向量；其中，所述掩码向量用于标记模型中需要保留的参数，以及，需要被剪去的参数； 依据所述掩码向量对所述预训练的全局模型进行剪枝，得到剪枝模型； 依据所述通用数据集对所述剪枝模型进行训练，得到训练后的剪枝模型； 在确定未达到剪枝结束条件的情况下，依据当前的剪枝模型中保留的参数数量，以及，训练后的剪枝模型的性能评估结果，对当前的掩码向量进行更新，得到更新后的掩码向量；依据更新后的掩码向量对当前的剪枝模型再次进行剪枝，得到新的剪枝模型，并依据所述通用数据集对新的剪枝模型进行训练，得到训练后的剪枝模型； 在确定达到剪枝结束条件的情况下，将当前的剪枝模型确定为轻量化的全局模型。

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杭州海康威视数字技术股份有限公司，其通讯地址为：310051 浙江省杭州市滨江区阡陌路555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。