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！

龙图腾网获悉中国石油大学(华东)申请的专利一种基于超网络和区块链的个性化联邦学习方法及设备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：CN115545223B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202211335052.5，技术领域涉及：G06N20/20；该发明授权一种基于超网络和区块链的个性化联邦学习方法及设备是由张卫山;包致成;刘宇儒;刘原歌;彭亿;聂宇铭设计研发完成，并于2022-10-28向国家知识产权局提交的专利申请。

本一种基于超网络和区块链的个性化联邦学习方法及设备在说明书摘要公布了：本发明提供了一种基于超网络和区块链的个性化联邦学习方法及设备，方法包括：接收联邦中心节点初始化的超模型；初始化节点标识向量,通过区块链网络获取本节点的标签加密向量；输入到超模型,生成本地模型；利用本地数据集训练本地模型,得到训练后的梯度变化，并获取超模型的梯度变化，发送到联邦中心节点并对所有的梯度变化量进行平均,将运用梯度下降的方式更新到超模型中；接收更新后的超模型,重复上述步骤；联邦边缘计算节点获得与自己匹配的个性化层参数,并将获得的个性化层参数融入到本地模型的个性化层中。使用本发明中的方法进行联邦学习，使模型的准确率和持续学习性能大幅提高，并可以提高各联邦边缘节点参与训练的可信性。

本发明授权一种基于超网络和区块链的个性化联邦学习方法及设备在权利要求书中公布了：1.一种基于超网络和区块链的个性化联邦学习方法，其特征在于，所述方法应用于联邦中心节点和K个联邦边缘计算节点的场景中，每个边缘计算节点均与联邦中心节点进行相连，所述方法包括如下步骤： 步骤1，联邦边缘计算节点接收联邦中心节点初始化的超网络HNet，开始联邦学习过程； 步骤2，联邦边缘计算节点初始化节点标识向量V，通过区块链网络获取本节点的标签加密向量； 步骤3，联邦边缘计算节点将节点标识向量与标签加密向量输入到由联邦中心节点下发的超模型，生成本地模型LocalNet； 步骤4，联邦边缘计算节点利用本地数据集D，训练本地模型LocalNet，得到训练后的梯度变化Δθ； 步骤5，联邦边缘计算节点根据本地模型的梯度变化Δθ，计算超模型的梯度变化Δφ，并将梯度变化发送到联邦中心节点； 步骤6，联邦边缘计算节点将超模型的梯度变化Δφ发送到联邦中心节点，联邦中心节点对所有的梯度变化量进行平均，并将平均后的超模型梯度变化量，运用梯度下降的方式更新到超网络HNet中； 步骤7，联邦边缘计算节点接收联邦中心节点所发送的更新后的超模型，重复步骤2到步骤6，直到达到指定轮次； 步骤8，联邦边缘计算节点，使用步骤7最终生成的超模型生成各节点模型，评估Fisher信息矩阵，并通过区块链智能合约提交自己的Fisher信息矩阵，评估模型价值，最后获得与自己匹配的个性化层参数，并将获得的个性化层参数融入到本地模型的个性化层中；具体过程如下： S81，各联邦边缘节点修改节点标识向量，并将修改后的节点标识向量和自身的标签加密向量输入到超网络HNet中，得到各节点模型相对于自身标签分布的模型； S82，根据生成的各模型与本地模型LocalNet计算Fisher信息矩阵，得出Fisher信息值，该值标识其他节点的模型与本节点的本地模型相关性； S83，将得到的Fisher信息矩阵通过区块链的智能合约提交到区块链中； S84，区块链收集到各联邦边缘节点提交的Fisher信息矩阵，通过VCG拍卖过程计算得出各节点模型的实际价值与全局利益最优的模型分配方式，具体过程如下： S841，将经过Fisher信息矩阵计算出准确度N*N的二维数组作为VCG机制计算的输入，每个节点对其他节点模型的Fisher值，可认为该节点对其他模型的出价； S842，使用KM算法计算出在得到全局最大价值的情况下的全局最大价值MaxValue以及模型分配方式，以及去掉各个节点后的全局最大价值； S843，然后进行N次计算相减出每个节点模型的实际价值RealCost； S844，将每个模型的实际价值与全局价值最大的模型分配方式作为输出进行输出； S85，各节点根据区块链分配的模型，向对应节点获取本地个性化层，并进行本地个性化层的平均联邦，得到联邦后的本地个性化层。

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中国石油大学(华东)，其通讯地址为：266000 山东省青岛市黄岛区长江西路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”。

以上内容由龙图腾AI智能生成。