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！

龙图腾网获悉江西财经大学申请的专利基于奇异值分解和模型权重放大的联邦学习后门防御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：CN120124075B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202510602497.2，技术领域涉及：G06F21/57；该发明授权基于奇异值分解和模型权重放大的联邦学习后门防御方法是由熊星星;陈军伟;游文宇;谭作文;刘喜平;陶小结设计研发完成，并于2025-05-12向国家知识产权局提交的专利申请。

本基于奇异值分解和模型权重放大的联邦学习后门防御方法在说明书摘要公布了：本发明提出一种基于奇异值分解和模型权重放大的联邦学习后门防御方法，该方法包括：对客户端本地训练的模型更新参数进行归一化处理，得到归一化后的模型更新参数；基于归一化后的模型更新参数得到降维后的模型更新参数；对降维后的模型更新参数进行聚类算法处理，得到聚类后的簇；基于聚类后的簇得到簇模型参数；将各簇模型参数组合成簇模型参数矩阵；对簇模型参数矩阵进行奇异值分解，得到奇异向量；通过奇异向量得到信任分数；基于信任分数得到全局模型更新参数；利用全局模型更新参数计算得到全局模型；通过差分隐私机制，对全局模型添加高斯噪声得到最终全局模型。本发明在客户端数据集是非独立同分布的场景下也依然可以有效抵御后门攻击。

本发明授权基于奇异值分解和模型权重放大的联邦学习后门防御方法在权利要求书中公布了：1.一种基于奇异值分解和模型权重放大的联邦学习后门防御方法，其特征在于，所述方法包括如下步骤： 步骤1、在获得客户端本地训练的模型更新参数后，对客户端本地训练的模型更新参数进行归一化处理，得到归一化后的模型更新参数； 将归一化后的模型更新参数拼接成模型更新参数矩阵，通过奇异值分解，对模型更新参数矩阵中归一化后的模型更新参数进行降维，得到降维后的模型更新参数； 步骤2、对降维后的模型更新参数利用DBSCAN聚类算法处理，得到聚类后的簇； 对每个聚类后的簇中的元素进行余弦距离计算，以得到元素间的余弦距离； 根据元素间的余弦距离构建得到距离方阵，并通过距离方阵中的元素个数进行判断，以得到簇模型参数； 将各簇模型参数组合成簇模型参数矩阵； 步骤3、对簇模型参数矩阵进行奇异值分解，得到奇异向量； 通过奇异向量计算得到信任分数； 步骤4、基于信任分数计算得到全局模型更新参数； 利用全局模型更新参数计算得到全局模型； 在得到全局模型后，通过差分隐私机制，对全局模型添加高斯噪声以得到最终全局模型； 在所述步骤3中，对簇模型参数矩阵进行奇异值分解，得到奇异向量，对应过程存在的关系式为： ； 其中，表示第轮奇异向量，表示第轮簇模型参数矩阵，表示右奇异矩阵的第一个列向量，表示奇异值矩阵主对角线上的第一个元素； 在所述步骤3中，通过奇异向量计算得到信任分数，对应过程存在的关系式为： ； 其中，表示第轮中第个客户端的模型更新参数的信任分数，表示第轮中剩余的第个客户端的模型更新参数； 在所述步骤4中，基于信任分数计算得到全局模型更新参数，对应过程存在的关系式为： ； 其中，表示第轮的全局模型更新参数，表示移除最大恶意簇后剩余本地模型的数量。

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江西财经大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街169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”。