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业大学(威海)申请的专利一种联邦对比结构分布交互的主动学习方法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：CN121301937B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511869876.4，技术领域涉及：G06F18/214；该发明授权一种联邦对比结构分布交互的主动学习方法及系统是由张北辰;张维刚;沈智杰;戚兆波设计研发完成，并于2025-12-12向国家知识产权局提交的专利申请。

本一种联邦对比结构分布交互的主动学习方法及系统在说明书摘要公布了：本发明公开了一种联邦对比结构分布交互的主动学习方法及系统，主要涉及联邦学习、隐私保护与主动学习交叉技术领域。包括：于客户端提取本地未标注样本特征并构建初始图结构，经不可逆掩蔽后生成隐私掩码图表示并上传；服务器聚合各客户端表示形成联邦特征空间，并引入跨客户端表示进行对比学习以扩充负样本；计算候选样本的全局多样性评分与协调不确定度评分；基于评分通过初选、精筛与排序的多阶段策略选取待标注样本，分配标注并更新模型。本发明的有益效果在于：它实现了跨客户端分布协同与负样本扩充，通过融合多样性与不确定性的多阶段采样，有效减少了标注冗余，显著提升了联邦主动学习的采样效率与模型性能。

本发明授权一种联邦对比结构分布交互的主动学习方法及系统在权利要求书中公布了：1.一种联邦对比结构分布交互的主动学习方法，其特征在于，包括以下步骤： 步骤S1：在各客户端对本地未标注样本提取特征，基于提取的特征构建反映本地数据内在关系的初始图结构； 步骤S2：对各初始图结构进行信息聚合与不可逆掩蔽处理，生成隐私掩码图表示，并将所述隐私掩码图表示上传至服务器，其中所述隐私掩码图表示不可还原出原始样本特征； 步骤S3：服务器聚合来自各客户端的隐私掩码图表示，形成联邦特征空间；在联邦特征空间中，基于来自不同客户端的隐私掩码图表示进行对比学习； 步骤S4：针对联邦特征空间中的候选未标注样本，分别计算其全局多样性评分与协调不确定度评分； 步骤S5、基于协调不确定度评分对候选未标注样本进行初选，得到第一候选集合；基于全局多样性评分对第一候选集合中的样本进行精筛，得到第二候选集合；对第二候选集合中的样本，融合其全局多样性评分与协调不确定度评分进行最终排序，并依据排序结果选取预设数量的样本作为待标注样本； 步骤S6：将待标注样本分配至其所属的客户端进行标注，并利用新标注的数据更新联邦学习模型； 步骤S2中，对各初始图结构进行信息聚合与不可逆掩蔽处理，生成隐私掩码图表示，具体为： 对于初始图结构，其中为节点集合，为边集合，节点对应样本特征； 通过图注意力机制对节点特征进行加权聚合，得到掩码化的结构化表示，即表示基于图注意力聚合之后第个样本的特征表示： ； ； 其中，表示节点与节点之间的边权，为可学习的线性变换矩阵，为激活函数，为归一化的注意力权重；中，k是求和公式的下标，假设样本共有N个，该公式的分母表示,,…,这些第一个下标为1的权重的总和； 对进行的不可逆变换结果作为隐私掩码图表示； 步骤S4中，计算全局多样性评分包括： 对于未标注样本，计算其在高散特征空间中的表示的全局多样性评分： ； 其中，表示未标记样本的特征，表示前5个值的均值，为距离度量，第一项表示到联邦特征空间中最近邻样本的距离；第二项表示到其最近5个邻居的平均距离； 步骤S4中，计算协调不确定度评分包括： 基于目标模型对样本的预测概率向量，计算基础不确定度值： ； 其中，表示一个样本，为概率集中性度量函数，为概率向量的方差，是基于当前标记池深度学习训练的目标模型的的概率向量，表示类别数量，为真实概率； 训练一个可训练全局不确定度指示器，其输入为样本的隐藏层特征，输出为预测的不确定度值；所述不确定度值为一个大于0的浮点数，从而在不接触其他隐私数据的情况下，通过该输出，拟合数据的不确定值； 所述不确定度指示器依附于联邦对比学习的本地特征提取单元，它的输入是特征提取单元的各个隐藏层网络特征，不确定度指示器的结构为一个与特征提取单元层数相同，每层是一个全连接神经网络的多层感知机模型，最后一层是一个1024维度压缩到1维的单层回归网络和一个激活函数层，输出是一个大于0的浮点数； 所述协调不确定度评分通过融合全局不确定度指示器与各客户端本地不确定度指示器的输出来获得： 其中，为客户端总数，表示可训练本地不确定度指示器，表示未标记样本。

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业大学(威海)，其通讯地址为：264209 山东省威海市环翠区文化西路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。