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！

龙图腾网获悉上海交通大学申请的专利基于神经网络特征提取的联邦学习模型攻击防御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：CN115879108B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202310042424.3，技术领域涉及：G06F21/56；该发明授权基于神经网络特征提取的联邦学习模型攻击防御方法是由邱卫东;朱孝羽;唐鹏;黄征;王杨德;郭捷;王强民设计研发完成，并于2023-01-28向国家知识产权局提交的专利申请。

本基于神经网络特征提取的联邦学习模型攻击防御方法在说明书摘要公布了：一种基于神经网络特征提取的联邦学习模型攻击防御方法，在每轮进行联邦学习全局聚合之前，预先在安全环境下构建神经网络特征提取模型，并采用公开数据集对其进行训练，由服务器本身引导对局部参数的信任；在在线阶段利用训练后的神经网络特征提取模型对各个客户端上传的局部参数进行特征提取并输出至服务器，由服务器采用具有噪声的基于密度的聚类方法DBSCAN对特征向量进行分类并剔除对应的恶意局部参数，实现安全聚合。本发明每次迭代时通过在安全环境下预先训练神经网络，使得在线阶段对抗各类模型中毒攻击，从而有效防止恶意客户端对全局模型的损坏。

本发明授权基于神经网络特征提取的联邦学习模型攻击防御方法在权利要求书中公布了：1.一种基于神经网络特征提取的联邦学习模型攻击防御方法，其特征在于，在每轮进行联邦学习全局聚合之前，预先在安全环境下构建神经网络特征提取模型，并采用公开数据集对其进行训练，由服务器本身引导对局部参数的信任；在在线阶段利用训练后的神经网络特征提取模型对各个客户端上传的局部参数进行特征提取并输出至服务器，由服务器采用具有噪声的基于密度的聚类方法对特征向量进行分类并剔除对应的恶意局部参数，实现安全聚合； 所述的神经网络特征提取模型，通过服务器预先在安全环境下构建用于对客户端上传的局部参数进行特征提取，其具体结构为全连接神经网络模型，共有层，表示全连接神经网络模型的第层，，层与层之间激活函数为Sigmoid，表示训练的损失函数，采用MSE均方误差函数；特征提取模型训练的目标是对于正常的特征向量输入使其预测输出最大化的接近于1； 所述的特征提取模型构建，具体包括： 步骤A1：在联合学习之前，服务器为该学习任务收集一个未被攻击篡改的小型干净公开数据集，并在此数据集的基础上维护一个服务器模型来引导信任；该服务器模型的参数同当前轮次训练过程中的全局模型； 步骤A2：服务器将步骤A1中公开数据集按设定的批次数据集大小输入到服务器模型中进行模型训练，从而得到特征提取模型的训练参数集，并设置训练标签为，其中：表示特征提取模型训练集数据总数量； 步骤A3：服务器初始化一个全连接神经网络作为特征提取模型；设各客户端上传的局部特征参数展开后维度为且的最高位数字为，则全连接网络每层的维度分别设为、、……、、；其中：若，则全连接网络中包含维度为的隐藏层； 步骤A4：服务器将步骤A2得到的作为特征提取模型的训练集输入到模型中；特征提取模型的训练是为得到最优的网络参数，即解决优化问题：，其中：设该特征提取全连接网络模型共有层，表示该全连接网络的第层，，表示训练的损失函数；特征提取模型训练的目标是对于正常的特征向量输入使其预测输出最大化的接近于1。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。