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！

龙图腾网获悉复旦大学申请的专利基于T-Step聚合算法的异步联邦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：CN115374853B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202211005250.5，技术领域涉及：G06F18/214；该发明授权基于T-Step聚合算法的异步联邦学习方法及系统是由吴杰;严明;李智鑫;陈路路设计研发完成，并于2022-08-22向国家知识产权局提交的专利申请。

本基于T-Step聚合算法的异步联邦学习方法及系统在说明书摘要公布了：本发明提供一种基于T‑Step聚合算法的异步联邦学习方法及系统，所有愿意参与联邦学习的客户端设备都能随时加入训练过程中，中央服务器在收到满足预设的异步步长数量的客户端训练结果时就更新全局模型，从而能够尽可能快地更新全局模型，而无需等待慢速客户端。进一步，本实施例的方法采用了T‑Step异步步长聚合算法，使“落后者”客户端也能参与全局模型聚合，同时通过动态减少权重来减轻“落后者”的陈旧模型参数对全局模型收敛的负面影响，使得训练得到的模型准确度更高。综上所述，本实施例的联邦学习方法鼓励具有异构资源的设备以异步方式协同训练全局模型，并能加快训练速度和模型收敛速度。

本发明授权基于T-Step聚合算法的异步联邦学习方法及系统在权利要求书中公布了：1.一种基于T-Step聚合算法的异步联邦学习方法，其特征在于，包括以下步骤： 步骤S1，中央服务器初始化全局模型参数，并将所述全局模型参数发送给所有参与联邦训练的客户端设备，所述中央服务器维护异步步长T； 步骤S2，各所述客户端设备基于收到的所述全局模型参数，使用其本地数据开始本地模型训练，并将生成的模型参数更新和当前的局部训练轮次数发送至所述中央服务器； 步骤S3，所述中央服务器持续接收各所述客户端设备发送的所述模型参数更新及所述局部训练轮次数，一旦接收到T个所述模型参数更新，就通过T-Step异步步长聚合算法进行全局模型聚合，更新所述全局模型参数； 步骤S4，全局模型聚合完成后，全局训练轮次数加一，所述中央服务器将最新的所述全局模型参数及所述全局训练轮次数下发给参与本轮次聚合的所述客户端设备，所述客户端设备开始下一轮本地模型训练； 步骤S5，重复步骤S2至步骤S4，当所述全局模型收敛至预设的目标准确率，或是所述全局训练轮次数达到预设的阈值上限时，训练结束， 其中，所述T-Step异步步长聚合算法比较所述全局训练轮次数和所述局部训练轮次数，并使用所述全局训练轮次数和所述局部训练轮次数的差的倒数作为权重系数来消除陈旧的模型参数更新对全局模型聚合的影响。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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”。