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可扩展联邦遗忘学习的加密网络流量分类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：CN120492987B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510976997.2，技术领域涉及：G06F18/24；该发明授权基于可扩展联邦遗忘学习的加密网络流量分类方法是由李泽一;蒋宇娜设计研发完成，并于2025-07-16向国家知识产权局提交的专利申请。

本基于可扩展联邦遗忘学习的加密网络流量分类方法在说明书摘要公布了：本发明涉及人工智能的技术领域，涉及基于可扩展联邦遗忘学习的加密网络流量分类方法，特别适用于在网络管理、网络服务质量保障领域，在保障分类准确率的同时兼顾了应用动态变化的场景，包括：客户端在本地构建包含特征提取层参数和全连接分类器层参数的联邦模型；将本地数据集在模型上进行本地训练，获得特征提取参数和全连接层参数；客户端请求删除数据时，启用辅助遗忘模块，通过学习模块和辅助遗忘模块之间执行蒸馏操作，生成遗忘模块；训练结束后，采用模块化方式构建可适应不同应用场景的全局模型。通过本地模型初始化、本地数据训练、辅助遗忘模块训练和模块自适应聚合，大大提高了模型分类的准确率和高度适应性。

本发明授权基于可扩展联邦遗忘学习的加密网络流量分类方法在权利要求书中公布了：1.基于可扩展联邦遗忘学习的加密网络流量分类方法，其特征在于：所述方法包括： S100、每个客户端在本地构建包含特征提取层参数和全连接分类器层参数的联邦模型，并进行初始化； S200、获取每个客户端针对其应用场景的本地数据集，并将所述本地数据集在模型上进行本地训练，获得特征提取参数和全连接层参数； S300、当客户端请求删除数据时，将所述客户端设为遗忘客户端，并启用辅助遗忘模块，通过学习模块和辅助遗忘模块之间执行蒸馏操作，生成遗忘模块； S400、训练结束后，客户端将其模型参数上传至服务器；所有客户端首先上传各自的特征提取层参数，服务器将所述参数统一聚合为全局特征提取层；将未请求删除数据的客户端设为非遗忘客户端，对于全连接分类器层，则将遗忘客户端的遗忘模块与非遗忘客户端的参数分开聚合，最终采用模块化方式构建可适应不同应用场景的全局模型； 其中，所述S300中的学习模块，包括： 在各个客户端的学习模块上，使用卷积神经网络进行有监督学习NTC任务，定义一个标签空间，从全局NTC模型来看，损失函数如下： ； 其中，表示该客户端的类别总数，表示损失函数，表示第个客户端的数据集，大小为，表示客户端的数量，表示第个客户端的第个样本，表示第个客户端的第个样本对应的标签，表示模型的函数，其中和表示模型的参数； 所述S300中的遗忘模块，包括： S301、在联邦学习中的遗忘机制中，当客户端请求删除其数据时，系统通过一个遗忘模块进行优化，针对删除后的数据进行重新训练； 设定客户端尝试对类的数据进行遗忘操作，则设定是客户端上的原始数据集，是客户端上需要遗忘类别的数据集：，是客户端上剩余的数据集：； 基于数据集修改标签生成，其中将活动应用的标签域映射到新的标签域，其映射关系为：； 其中，是定义域，是对应的域；，给定是要删除的类别为集合，，，那么； 由此得到映射函数；得到最新标签索引； 其中，表示在原列表中比小的被移除的元素数量； 最终获得； S302、获取学习模块训练好的模型，根据参数冻结公式：，冻结模型的层，使训练期间层的参数不会更新，且不会计算梯度； 其中，表示损失函数，表示冻结的参数； 获取客户端的辅助遗忘模块，其目标函数为： ； 其中，表示客户端针对其数据的辅助遗忘模型，所述模型针对数据集进行优化，满足客户端的遗忘请求；表示交叉熵损失，数据集是客户端的设计数据集，用于辅助学习遗忘模型； 则根据目标函数得到遗忘模块的模型，； 一旦微调完成，根据解冻公式：，神经元的前半部分参数将被解冻； 其中，表示解冻参数的程度，当=1时，表示完全解冻； 最后，标签通过逆映射函数，重新映射回原始领域，； 所述遗忘模块在整个遗忘的过程中，我们需要满足两个要求： a1、遗忘操作不能影响剩余数据的模型准确性： 遗忘模块的模型对剩余数据的logit输出应与原始模型保持一致，即： ； 其中，表示原始模型第个logit值，表示逆映射函数，表示训练好的遗忘模型对输入的logit输出，即，表示标签函数的逆映射； a2、遗忘后的模型应对遗忘数据表现出错误的分类行为： 遗忘模型的logit输出应与遗忘数据的原始标签存在差异，即： ； 其中，表示的真实标签。

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：210003 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”。