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！

龙图腾网获悉南京邮电大学申请的专利基于区块链的多无人机辅助联邦学习方法、设备及介质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：CN120409739B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202510577155.X，技术领域涉及：G06N20/00；该发明授权基于区块链的多无人机辅助联邦学习方法、设备及介质是由余雪勇;朱清远;晏云龙;韩璐设计研发完成，并于2025-05-06向国家知识产权局提交的专利申请。

本基于区块链的多无人机辅助联邦学习方法、设备及介质在说明书摘要公布了：本发明的一种基于区块链的多无人机辅助联邦学习方法、设备及介质，该方法构建了区块链下无人机辅助联邦学习框架。在区块链下无人机辅助联邦学习系统中，多架配备MEC服务器的无人机部署在边缘为云端提供联邦学习服务。无人机会收集终端的样本数据来进行联邦学习的模型训练，并将生成的模型更新信息发送给其它无人机，再执行全局聚合。同时在这些MEC服务器上部署区块链系统，无人机作为区块链节点对由模型更新信息打包而成的区块进行共识并上链，从而防止数据篡改，提升系统鲁棒性。本发明实现了在区块链下多无人机移动辅助联邦学习场景下更优的模型训练和资源分配策略，从而降低了系统总能耗，提升了系统效用。

本发明授权基于区块链的多无人机辅助联邦学习方法、设备及介质在权利要求书中公布了：1.一种基于区块链的多无人机辅助联邦学习方法，其特征在于，包括以下步骤， 步骤1：建立包括M架无人机、K个用户以及区块链和联邦学习在内的系统模型，多架配备MEC服务器的无人机部署在边缘为云端提供联邦学习服务，云端会向无人机发送初始模型和初始样本数据，并在MEC服务器上部署区块链系统，使得无人机能够作为区块链节点来对区块进行共识并上链； 步骤2：每架UAV作为空中FL节点会收集终端的样本数据来进行联邦学习的模型训练，这会产生终端的传输能耗和模型训练能耗；UAV在收集终端的样本数据同时会进行轨迹移动来降低终端和无人机之间通信的传输能耗，这会产生UAV的推进能耗； 步骤3：每架UAV作为空中区块链节点将生成的模型更新信息加工为交易信息发送给其它无人机，并选出出块无人机；出块无人机会将由模型更新信息打包而成的区块传播给非出块无人机，非出块无人机对区块进行验证，验证成功后发送应答并将该区块进行上链；这会产生区块链模型中非出块无人机的验证能耗和出块无人机的出块能耗和块传播能耗； 步骤4：每架UAV作为空中FL节点通过区块中保存的模型更新信息来执行全局聚合，并生成新的全局模型作为下一轮训练的初始模型； 步骤5：根据UE层、UAV-MEC层的能耗，构造传输策略、模型训练策略、计算资源分配、轨迹优化的联合优化问题，并求解优化问题得到能使得系统能耗最小的最优解； 每架UAV作为空中FL节点会收集终端的样本数据来进行联邦学习的模型训练，包括，首先离散化无人机的飞行周期T，将其分为N个时隙，每个时隙长度记为，地面终端k在第n个时隙向无人机m传输样本数据的大小记为，两者之间的关联变量记为,取值范围是，为1时表示双方关联，为0反之；终端k与无人机m在第n个时隙处的信道功率增益为，是第n个时隙的终端k到无人机m的距离，表示参考距离=1时的信道增益；终端k与无人机m在第n个时隙的传输速率表示为： 表示终端k和无人机m之间的信道带宽，是终端k的发射功率，是噪声功率；因为目标最小化能耗，所以需要满足约束：，表明传输的数据量一定要大于等于总的样本数据量，终端k和无人机m之间传输时延为： 终端k在第n个时隙的传输能耗表示为： 再离散化FL过程，根据本地训练次数公式和全局轮次公式： ， ， 把每次全局轮次的时隙数量记为；第r个全局轮次的开始时隙索引记为，，无人机作为空中FL节点将FL训练任务记为，其中是无人机在第n个时隙进行模型训练的样本数量，是训练一个样本所需要的CPU周期数，假设每个样本的bit数为，所以有； 无人机m在第n个时隙训练的次数记为，无人机m在第n个时隙分配给联邦学习的计算资源记为，所以FL的训练时延为： 训练能耗为： 本地训练次数满足：。

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南京邮电大学，其通讯地址为：210000 江苏省南京市鼓楼区新模范马路66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。