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！

龙图腾网获悉重庆邮电大学申请的专利一种安全鲁棒的特征联合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：CN116707861B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202310457827.4，技术领域涉及：H04L9/40；该发明授权一种安全鲁棒的特征联合方法是由吕翊;王卓彤;吴大鹏;王汝言;杨志刚;张普宁;张鸿设计研发完成，并于2023-04-25向国家知识产权局提交的专利申请。

本一种安全鲁棒的特征联合方法在说明书摘要公布了：本发明涉及一种安全鲁棒的特征联合方法，属于人工智能领域。该方法包括：边缘区域划；系统初始化：初始化全局模型、密钥生成和执行协议的关键参数；设备数据均衡：收集设备的数据分布，参考全局数据分布生成每个类的采样方式为增强采样或降采样，并设置增强采样和降采样的样本比例；本地模型训练：根据每个类归属于少数类集合或多数类集合，采取相应的采样策略执行随机梯度下降算法，并对梯度信息进行秘密共享；边缘安全鲁棒聚合：设计轻量的安全聚合协议以支撑基于梯度秘密值的鲁棒聚合算法的实现；云全局模型聚合：接收各边缘服务器返回的局部模型聚合结果，采用联邦平均算法进行全局模型聚合。本发明提高联邦学习全局模型的鲁棒性和安全性。

本发明授权一种安全鲁棒的特征联合方法在权利要求书中公布了：1.一种安全鲁棒的特征联合方法，其特征在于，该方法具体包括以下步骤： S1：边缘区域划分：每个边缘服务器根据其范围覆盖能力划分负责管理的区域，对区域内的物联网设备进行管理； S2：系统初始化：云服务器初始化全局模型参数，并下发至边缘服务器，边缘服务器获取到全局模型参数后，将其转发给所管辖的物联网设备； S3：设备数据均衡：云服务器收集参与设备的本地数据分布，其中表示标签为的数据样本大小，N为标签总数；并基于全局数据分布对多数类样本进行降采样；借鉴分数的异常值检测算法思想，边缘服务器设置增强阈值和降采样阈值，计算所有设备数据分布中每个类的分数，通过与阈值比较获得少数类集合和多数类集合，最终获得增强样本和降采样样本的比例，并将发送给所有设备； S4：本地模型训练：获取到全局模型参数后，每个物联网设备查询每个类在中的归属，设置每个类样本的采样方式为增强采样或降采样；最后，将计算得到的梯度标准化处理，并将其秘密拆分返回给边缘服务器； S5：边缘安全鲁棒聚合：计算出每个梯度和参考梯度之间的余弦相似度，并通过ReLu函数获得置信度分数，实现鲁棒聚合；利用算术秘密共享和同态加密技术，在边缘服务器和辅助服务器之间秘密共享设备梯度信息，利用高效的安全聚合协议协作完成鲁棒聚合； S6：云全局模型聚合：收到各个边缘服务器返回的局部模型聚合结果后，云服务器采用经典的联邦平均算法实现全局模型的快速聚合；如果全局模型指标达到训练任务停止标准，则停止本地模型训练； 步骤S2中，边缘服务器采集用于生成参考梯度的验证数据集；边缘服务器生成用于线性同态加密的密钥对，边缘服务器和辅助服务器之间生成乘法三元组，并生成私有种子密钥，每个设备与辅助服务器之间生成私有种子密钥； 步骤S3具体包括以下步骤： S31：云服务器将收集到的所有设备数据分布汇总得到，计算每个类的分数，表示为： 其中，表示的均值，表示的标准差；如果类的分数小于或大于，则将其视为少数类集合或多数类集合； S32：云服务器将计算增强样本比例和降采样样本比例，用来控制扩增和丢弃样本的数量，表示为： 由于将设置为的负倒数；因此增强样本比例和降采样样本比例均能用表示；云服务器将发送给所有设备； 步骤S4具体包括以下步骤： S41：设备在接收到全局模型参数后，对于，需要进行增强采样，表示为： 其中，表示输入数据，表示增强采样函数；对于，需要进行降采样，表示为： 其中，表示降采样函数，如果被删除，将返回原始样本，否则，将返回空； S42：采样方法确定以后，设备在本地数据上运行随机梯度下降算法得到，并对梯度进行标准化处理，表示为： S43：设备利用伪随机信号发生器生成，同时计算，并将其发送给边缘服务器；其中，表示标准化设备梯度拆分给边缘服务器的秘密共享值，k表示设备的索引； 步骤S5具体包括以下步骤： S51：边缘服务器在验证数据集上运行随机梯度下降算法得到参考梯度，并对参考梯度进行标准化处理得到，同时用公钥加密得到，并将加密结果发送给辅助服务器； S52：辅助服务器计算，并设置；随机采样，计算得到；此外，设置；最后将和一并返回给边缘服务器；其中，T表示矩阵的转置，K表示设备总数，表示设备梯度与参考梯度的余弦相似度在辅助服务器上的秘密共享值； S53：边缘服务器解密得到，并设置，其中，即能还原；得到置信度分数，表示为： 其中，函数定义为当时返回值为，其他情况时返回值为0；表示设备梯度与参考梯度的余弦相似度；最后，边缘服务器设置，并计算发送给辅助服务器； S54：辅助服务器设置，计算，并将其返回给边缘服务器；边缘服务器和辅助服务器均在本地还原、，然后边缘服务器和辅助服务器分别在本地计算加权梯度的秘密分享值和；最后，辅助服务器将发送给边缘服务器； S55：边缘服务器收到后，得到，并计算；最后，通过对标准化后的梯度重新分配权重，作为全局梯度，表示为： S56：边缘服务器依据聚合的梯度信息对全局模型进行更新，表示为： 其中，表示学习率，表示第轮的全局模型参数。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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。