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！

龙图腾网获悉大连理工大学申请的专利基于联邦学习隐私保护的金融异常行为检测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：CN120354313B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202510815074.9，技术领域涉及：G06F18/2433；该发明授权基于联邦学习隐私保护的金融异常行为检测方法及系统是由刘思彤;秦宇辰;刘桐瑞;周弈志设计研发完成，并于2025-06-18向国家知识产权局提交的专利申请。

本基于联邦学习隐私保护的金融异常行为检测方法及系统在说明书摘要公布了：本申请提供了基于联邦学习隐私保护的金融异常行为检测方法及系统，涉及人工智能与数据安全技术领域，该方法包括：将候选样本与原数据合并后进行本地训练，输出本地模型的更新参数；对本地更新后的模型权重参数进行加密，并更新后进行安全聚合；对加密模型更新权重进行解密，重新加密全局模型并返回给本地节点，本地节点解密全局模型并与本地模型精度对比，参数更新后循环迭代，直至全局模型的性能指标趋于稳定。本申请解决了因金融数据分散且隐私要求高，导致跨机构异常行为检测样本不足、模型泛化能力弱，影响识别准确性与效率的问题。联邦学习与伪样本生成相结合，在保护数据隐私的前提下实现多机构协同建模，提升了模型训练质量和检测性能。

本发明授权基于联邦学习隐私保护的金融异常行为检测方法及系统在权利要求书中公布了：1.一种基于联邦学习隐私保护的金融异常行为检测方法，其特征在于，所述方法包括： S1、收集本地金融数据，构造基于基座模型的公开数据生成器，通过调整提示文本，生成与本地异常数据相近的伪样本，将所述伪样本作为候选样本； S2、将所述候选样本与原数据合并，本地节点使用卷积神经网络对合并数据进行本地训练，实时计算所述基座模型的损失，并根据所述损失进行参数的优化，训练完成后，输出本地基座模型的更新参数； S3、采用对称加密算法与非对称加密算法相结合的方式对本地更新后的本地基座模型权重参数进行加密，并将加密后的本地基座模型权重参数发送至中心节点进行安全聚合； S4、使用中心节点持有的私钥对来自各本地节点的加密后的本地基座模型权重参数进行解密，解密后的本地基座模型权重参数将用于计算全局模型的更新参数，使用对称加密算法与非对称加密算法相结合，重新加密全局模型并返回给本地节点，所述本地节点解密全局模型，并与本地模型精度对比，执行参数更新； S5、反复执行S2-S4过程循环迭代，直至所述全局模型的性能指标趋于稳定，满足预设的收敛条件，其中， 中心节点在每一轮迭代中对多个本地节点返回的加密模型更新参数进行安全聚合，计算新的全局模型更新参数； =SecureAgg； 其中，为第i个本地节点在第t轮训练中生成的模型更新，为加密操作，为解密操作，为参与聚合的本地节点集合，SecureAgg为中心节点执行的安全聚合算法，用于对已解密的模型更新进行加权处理，为聚合后的全局模型更新参数，将作为新一轮同步回各本地节点的全局模型更新参数； 本地节点在接收到中心节点返回的全局模型更新参数后，将所述全局模型更新参数与本地模型当前参数进行融合，生成新一轮本地模型参数，融合过程算法为： =×+； 其中，为本地节点第轮的模型参数，为由中心节点返回的第轮全局模型更新参数，为融合系数； 所述融合系数为控制本地模型对全局模型更新参数的接纳程度，根据本地模型精度动态调整； 本地节点将在融合后执行一次评估，若融合后的模型精度优于原始模型，则接受更新，否则保留原模型并记录拒绝原因。

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大连理工大学，其通讯地址为：116000 辽宁省大连市甘井子区凌工路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”。