Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 哈尔滨工程大学玄世昌获国家专利权

哈尔滨工程大学玄世昌获国家专利权

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!

龙图腾网获悉哈尔滨工程大学申请的专利基于数字水印技术的去中心化联邦学习训练行为监督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:CN115713126B

龙图腾网通过国家知识产权局官网在2026-02-10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:202211370527.4,技术领域涉及:G06N20/00;该发明授权基于数字水印技术的去中心化联邦学习训练行为监督方法是由玄世昌;杨武;王巍;苘大鹏;吕继光;李鑫;张浩然设计研发完成,并于2022-11-03向国家知识产权局提交的专利申请。

基于数字水印技术的去中心化联邦学习训练行为监督方法在说明书摘要公布了:本发明属于联邦学习技术领域,具体涉及一种基于数字水印技术的去中心化联邦学习训练行为监督方法。本发明包括任务发布者初始化全局模型,并准备若干水印数据集,向选定的工人节点发送初始全局模型以及水印数据集;工人节点将本地数据集以及水印数据集拼接之后进行本地训练,完成水印的嵌入过程;任务发布者对数字水印进行验证,根据数字水印的完成情况,标识工人节点的训练诚实度。本发明针对去中心化联邦学习体系结构中工人节点伪造训练结果而影响模型训练整体精度的问题,通过拓展数字水印的应用场景,将每个工人节点的训练行为量化、可视化,从而达成促使工人节点在训练行为上保持诚实的目的,为去中心化的联邦学习系统提供可信的算力支持。

本发明授权基于数字水印技术的去中心化联邦学习训练行为监督方法在权利要求书中公布了:1.一种基于数字水印技术的去中心化联邦学习训练行为监督方法,其特征在于,包括以下步骤: 1任务发布者初始化全局模型,并准备若干水印数据集,向选定的工人节点发送初始全局模型以及水印数据集;水印数据集的构建思路为在与训练数据无关的图像中添加固定的模式,并为其添加一个来自实际任务的标签; 2工人节点将本地数据集以及水印数据集拼接之后进行本地训练,完成水印的嵌入过程; 3任务发布者对数字水印进行验证,该验证结果标识了工人节点的训练行为; 3.1将原始水印数据集和标签映射关系σ={Yo,Yn}作为输入,o≠n,并输出水印数据集进而在工人节点进行训练之后,输出带有水印的局部模型 其中,标签映射关系由任务发布者定义,表明了如何对水印进行标记;Yo是原始数据的真实标签;Yn是预先定义的水印标签,该标签将包括用于训练行为验证的指纹; 3.2从被训练的数据集中抽出所有标签为Yo的标签,在此基础上生成相应的模式并用Yn重新标记;工人节点在接收到完整的水印数据集之后,使用数据集和本地数据集Dlocal进行本地训练,在训练过程中,DNN将自动学习这些水印数据的模式,由任务发布者指定的水印被嵌入到了该工人节点的局部模型中;数字水印的完成度将随着工人节点本地训练轮次的增加而逐渐增加; 3.3对局部模型进行聚合得到新的全局模型,对该全局模型进行水印可用性检查,不满足可用条件则进行水印数据集的替换,替换后对全局模型性能进行检查,不符合条件则继续训练过程; 定义可观察系数为δ,当轮次t的全局模型在水印数据集上的准确率与前一轮次的准确率差值小于可观察系数时,说明水印数据集已经达到了不可用状态ΔF;为了使该评判标准拥有一定的容错率,定义容忍系数Cntuseless为可以容忍的达到不可用状态的次数,在未满足该次数之前,认为水印数据集始终处于可用状态;当水印数据集在全局模型上的表现同时满足上述条件时,进行水印数据集的替换取消水印数据集对应的水印任务Tx的强化,启用水印数据集对应的水印任务Ty; 随着训练轮次的进行,任务Tx在主要任务T上的表现将会逐渐下降,水印任务逐渐消亡,当Tx在主要任务T上的表现下降到一定程度之后,Tx将从不可用状态恢复到可用状态,参与下一次的水印轮换;水印轮换过程表示为: 其中,ef为任务到达不可用状态时经过的轮次;表示任务Tx在第i轮时表现出的状态; 对于两个相同规模的水印数据集对应的两个水印任务T1和T2,两个任务都达到不可用状态所经过的轮次为: 其中,表示水印任务T1在第i次消亡时重新达到不可用状态时所经过的轮次; 在水印数据集规模相同的情况下,通过对水印任务创建速率和消亡速率的确定,即可确定完成整个联邦学习训练所需的数据集个数; 4多次执行步骤2与步骤3,在一次联邦学习的过程中持续量化工人节点的训练行为; 5根据数字水印的完成情况,标识工人节点的训练诚实度; 6全局模型的性能达到指定要求,联邦学习过程完成,工人节点的训练行为监督完成。

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哈尔滨工程大学,其通讯地址为:150001 黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。