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！

龙图腾网获悉平安科技(深圳)有限公司申请的专利联邦学习方法、系统、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：CN115081644B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202210820807.4，技术领域涉及：G06N20/20；该发明授权联邦学习方法、系统、设备及介质是由李泽远;王健宗设计研发完成，并于2022-07-13向国家知识产权局提交的专利申请。

本联邦学习方法、系统、设备及介质在说明书摘要公布了：本申请涉及计算机技术领域，提供了一种联邦学习方法、系统、设备及介质，方法包括：通过多个第一客户端分别基于无标注训练样本对第一本地模型进行训练，将训练后的第一本地模型发送至服务器，服务器对第一本地模型进行整合处理，得到预训练模型，多个第二客户端分别从服务器下载预训练模型，将预训练模型作为第二本地模型，基于有标注观测样本对第二本地模型进行微调，将微调后的第二本地模型发送至服务器，服务器对预训练模型和第二本地模型进行整合处理，得到目标模型。本申请实施例在联邦学习中加入使用无标注样本训练的客户端，结合预训练微调的联合训练方式，既能提高目标模型的泛化性，又能高效利用无标注数据，节省标注成本。

本发明授权联邦学习方法、系统、设备及介质在权利要求书中公布了：1.一种联邦学习方法，其特征在于，所述方法应用于联邦学习系统，所述系统包括服务器、多个第一客户端和多个第二客户端，所述服务器分别与多个所述第一客户端、多个所述第二客户端通信连接，所述方法包括： 对无标注训练样本中的每个图像样本进行图像扩增，得到每个所述图像样本对应的扩增图像； 将每个所述图像样本对应的扩增图像输入至第一本地模型，以通过所述第一本地模型输出每个所述扩增图像对应的图像特征；其中，所述第一本地模型为图像分类模型； 将每个所述扩增图像对应的图像特征映射到同一向量空间，得到每个所述扩增图像对应的向量表征； 确定基于同个所述图像样本得到的所述向量表征之间的第一相似度值以及基于不同的所述图像样本得到的所述向量表征之间的第二相似度值； 以最小化所述第一相似度值和最大化所述第二相似度值为目标，构建第一损失函数，并基于所述第一损失函数对所述第一本地模型进行自监督训练；其中，所述第一损失函数如下所示： l1为所述第一损失函数，N为所述图像样本的样本数量，sim为余弦相似度，zi,zj为所述图像样本对应的向量表征； 将训练后的所述第一本地模型发送至所述服务器； 通过所述服务器接收多个所述第一客户端发送的所述第一本地模型，并对多个所述第一本地模型进行整合处理，得到预训练模型； 通过多个所述第二客户端分别从所述服务器下载所述预训练模型，将所述预训练模型作为第二本地模型，基于有标注观测样本对所述第二本地模型进行微调，并将微调后的所述第二本地模型发送至所述服务器； 通过所述服务器接收多个所述第二客户端发送的所述第二本地模型，并对所述预训练模型和多个所述第二本地模型进行整合处理，得到目标模型。

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平安科技(深圳)有限公司，其通讯地址为：518000 广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼；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”。