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！

龙图腾网获悉大连大学申请的专利基于拆分学习抵御攻击的去中心化纵向联邦忘却学习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：CN119210826B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411306758.8，技术领域涉及：H04L9/40；该发明授权基于拆分学习抵御攻击的去中心化纵向联邦忘却学习方法是由周东生;郭昕桐;王鹏飞;张昊设计研发完成，并于2024-09-19向国家知识产权局提交的专利申请。

本基于拆分学习抵御攻击的去中心化纵向联邦忘却学习方法在说明书摘要公布了：本发明提供一种基于拆分学习抵御攻击的去中心化纵向联邦忘却学习方法属于网络安全及联邦忘却学习技术领域。将拆分神经网络与纵向联邦学习结合，使参与方能够用神经网络进行训练，实现了多方和多分类的学习任务，而且优化了训练方式，设计了去中心化的训练协议，能够进一步提升数据隐私保护和完成跨组织跨领域的复杂合作，然后采用K‑means聚类算法对指定轮次中每个批次数据生成的局部模型的损失值进行异常筛选，检测出对应批次的异常数据样本；并提出了一种基于知识蒸馏的忘却算法，该忘却算法通过重新训练优质数据样本生成教师模型，将受到投毒攻击的全局模型作为学生模型与教师模型进行知识蒸馏，进而恢复模型性能，消除投毒攻击所造成的影响。

本发明授权基于拆分学习抵御攻击的去中心化纵向联邦忘却学习方法在权利要求书中公布了：1.一种基于拆分学习抵御攻击的去中心化纵向联邦忘却学习方法，其特征在于，该方法包括以下步骤： 步骤1：选择需要合作训练的各机构数据样本，将数据样本特征与标签合理拆分成n个部分，然后为纵向联邦学习的参与方A,B…N分配本地数据，并对部分数据样本特征加入由高斯函数生成的恶意噪声，使部分数据样本遭受到投毒攻击； 步骤2：将拆分神经网络与纵向联邦学习结合，采用去中心化的训练协议，使每一个参与方拥有独自的训练网络结构，通过中间层的激活值进行协同训练； 步骤2具体包括： 步骤2.1：将拆分神经网络作为纵向联邦学习中的训练方式，根据每个参与方的本地数据特性设计各个局部模型； 步骤2.2：对训练方式进行微调，设计成为去中心化的训练方式，首先所有参与方根据本地训练数据生成激活向量ai： ai＝[ai1,ai2,…,aim]    4式中，m代表数据样本标签类别总数，概率最大的那个类别确定为预测标签；ai1…aim表示参与方i对应m类别的激活向量； 参与方N作为临时服务器接收各个参与方的激活向量，参与方N根据标签特征计算各个参与方的损失值li，用公式5表示： 其中，L·是损失函数，是参与方i的预测标签，是存储在参与方N中与参与方i本地数据相对应的真实标签； 参与方N将其他参与方的损失值发送给其他参与方，所有参与方根据损失值进行反向传播，更新局部模型参数； 步骤3：在指定轮次的迭代训练中，记录不同批次数据训练生成局部模型的损失值与数据批次，通过K‑means算法将损失值作为数据点，筛选出正常簇类和异常簇类； 步骤4：加载步骤3中的异常簇类数据样本，选择部分正常簇类数据样本进行训练生成教师模型，将正常簇类数据样本训练生成的全局模型作为学生模型，使学生模型与教师模型进行知识蒸馏，生成最终忘却模型，将学生模型消除恶意攻击造成的影响； 步骤5：各个参与方协作训练，采用平均池化方法作为聚合机制，各个参与方根据测试集生成激活值，最后计算出预测结果，根据预测结果与真实值的差异判断最终忘却模型的模型性能。

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大学，其通讯地址为：116622 辽宁省大连市经济技术开发区学府大街10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”。