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！

龙图腾网获悉西安交通大学申请的专利一种联邦学习方法和系统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：CN116861239B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202310840523.6，技术领域涉及：G06F18/214；该发明授权一种联邦学习方法和系统是由潘洋河;苏洲;王云涛;周锦浩设计研发完成，并于2023-07-10向国家知识产权局提交的专利申请。

本一种联邦学习方法和系统在说明书摘要公布了：本发明公开了一种联邦学习方法和系统，联邦学习服务器向所有联邦学习参与者发送具有拜占庭鲁棒性质的梯度加权聚合策略；其中，所述梯度加权聚合策略是通过深度强化学习生成的；联邦学习服务器利用梯度加权聚合策略对扰动模型参数更新进行加权聚合，利用加权聚合后的模型参数更新全局模型；联邦学习服务器根据自身标准验证集对更新后的全局模型进行质量评估，基于评估结果，利用深度强化学习输出下一轮次的梯度加权聚合策略。本发明的目的在于抵御联邦学习中包括定制拜占庭攻击在内的多种拜占庭攻击，同时实现对于诚实但好奇的服务器的隐私推断攻击的防御，从而实现安全隐私的联邦学习。

本发明授权一种联邦学习方法和系统在权利要求书中公布了：1.一种联邦学习方法，其特征在于，包括： 联邦学习服务器向所有联邦学习参与者发送具有拜占庭鲁棒性质的梯度加权聚合策略；其中，所述梯度加权聚合策略是通过深度强化学习生成的； 联邦学习服务器利用梯度加权聚合策略对扰动模型参数更新进行加权聚合，利用加权聚合后的模型参数更新全局模型；其中，所述扰动模型参数更新具体为：每个联邦学习参与者利用本地数据对本地模型进行训练得到模型参数更新，利用拉格朗日插值方法，根据接收的梯度加权聚合策略生成隐私扰动，将隐私扰动添加在训练得到的模型参数更新上，即得到所述扰动模型参数更新； 联邦学习服务器根据自身标准验证集对更新后的全局模型进行质量评估，基于评估结果，利用深度强化学习输出下一轮次的梯度加权聚合策略； 所述利用拉格朗日插值方法，根据接收的梯度加权聚合策略生成隐私扰动，具体为： 每个联邦学习参与者对一个常数项为0的n-1阶多项式达成共识： ； 每个联邦学习参与者i根据梯度加权聚合策略中自身对应的权值，选取一个秘密参数满足： ； 每个联邦学习参与者i向其他参与者广播秘密参数，根据拉格朗日插值方法，每个联邦学习参与者构建一个拉格朗日基本多项式： 式中，是联邦学习参与者序号的集合； 即生成的隐私扰动： 。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。