杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院)杨俊男获国家专利权
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！
龙图腾网获悉杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院)申请的专利一种基于解释梯度归因的低空联邦学习安全鲁棒聚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：CN120806180B 。
龙图腾网通过国家知识产权局官网在2025-12-23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：202511261501.X，技术领域涉及：G06N5/045；该发明授权一种基于解释梯度归因的低空联邦学习安全鲁棒聚合方法是由杨俊男;李大庆;吴其隆;陈克晗;周航;康锐设计研发完成，并于2025-09-05向国家知识产权局提交的专利申请。
本一种基于解释梯度归因的低空联邦学习安全鲁棒聚合方法在说明书摘要公布了：本发明涉及人工智能技术领域，尤其涉及一种基于解释梯度归因的低空联邦学习安全鲁棒聚合方法。本发明利用XAI技术，在服务器端通过使用XAI基础模型来评估本地模型的质量，该模型仅需少量验证数据，从而确保全球模型更新的准确性和可靠性。通过引入XAI，该方法能够根据客户端贡献的相关性动态调整聚合权重，有效缓解数据异质性和不可靠客户端行为带来的负面影响。该方案无需访问客户端数据，仅依赖少量验证集，即可在非IID数据及拜占庭攻击场景下显著提升全局模型精度、收敛速度与鲁棒性，同时提供可审计的贡献度解释，计算通信开销低，适用于资源受限的物联网环境。
本发明授权一种基于解释梯度归因的低空联邦学习安全鲁棒聚合方法在权利要求书中公布了：1.一种基于解释梯度归因的低空联邦学习安全鲁棒聚合方法，其特征在于，该方法包含如下步骤： S1基线模型生成：服务器在前Tb轮采用FedAvg聚合获得基线全局模型； S2参数广播：服务器向当前选中的每个客户端i∈N广播全局模型参数ωt及学习率ηi； S3本地训练：各客户端在本地数据集Di上迭代R个小批次，得到更新后模型ωit并上传至服务器； S4贡献度计算：服务器利用仅存储的少量验证样本Ds对每个上传模型执行集成梯度IG解释，获得特征重要性向量IGi； S5相似度评估：计算IGi与基线模型特征重要性向量IGω的余弦相似度； S6归一化权重生成：对所有余弦相似度进行最小–最大归一化，得到归一化权重； S7加权聚合：当tTb时按FedAvg权重pti聚合；当t≥Tb时按归一化权重进行加权聚合，更新全局模型ωt+1； S8参数回传与循环：服务器将ωt+1回传各客户端并进入下一通信轮，直至达到设定轮次T。
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杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院)，其通讯地址为：311115 浙江省杭州市余杭区瓶窑镇双红桥街166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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励