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生成对抗网络的non-IID联邦学习模型后门鲁棒性评估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：CN116187432B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202310161251.7，技术领域涉及：G06N3/098；该发明授权基于生成对抗网络的non-IID联邦学习模型后门鲁棒性评估方法是由李高磊;梅皓琛;赵媛媛;李建华;郑龙飞设计研发完成，并于2023-02-23向国家知识产权局提交的专利申请。

本基于生成对抗网络的non-IID联邦学习模型后门鲁棒性评估方法在说明书摘要公布了：本发明涉及一种基于生成对抗网络的non‑IID联邦学习模型后门鲁棒性评估方法，包括：选择联邦学习中的客户端作为测试节点，将下载的服务器端的全局模型作为判别器，并在本地设计生成器，组成生成对抗网络模型；指定后门攻击目标类别，在每一轮全局训练中利用生成器重建类代表样本，并标记目标类别，作为预投毒数据参与训练；本地生成补充数据集；指定后门攻击的源类别，进行后门触发器的优化，利用补充数据集进行类别特异性的后门训练，将判别器更新上传至服务器，更新全局模型；调节数据non‑IID程度以及指定的源类别数，观测对联邦学习全局模型后门攻击的鲁棒性。与现有技术相比，本发明能够验证不同程度的数据异构场景下后门攻击对于联邦学习模型的效果。

本发明授权基于生成对抗网络的non-IID联邦学习模型后门鲁棒性评估方法在权利要求书中公布了：1.一种基于生成对抗网络的non‑IID联邦学习模型后门鲁棒性评估方法，其特征在于，包括以下步骤： 步骤1选择联邦学习中某一客户端作为测试节点，将下载的服务器端的全局模型进行备份作为判别器，并在本地设计生成器，组成生成对抗网络模型； 步骤2测试者指定后门攻击目标类别，在每一轮全局训练中利用生成器重建参与训练的所有类别数据的类代表样本，并将其错误标记为目标类别，作为预投毒数据参与训练，重复该步骤直至生成器达到预期效果； 步骤3利用训练完毕的生成器在本地离线生成补充数据集以完善单一客户端的不均衡数据分布； 步骤4测试者指定后门攻击的源类别，进行后门触发器的优化得到强化触发器，并基于强化触发器或随机触发器，利用补充数据集进行类别特异性的后门训练，将恶意攻击后的判别器更新上传至服务器，在服务器端进行全局模型的更新； 步骤5调节联邦学习数据的non‑IID程度以及后门攻击所指定的源类别数，观测对联邦学习全局模型后门攻击的鲁棒性。

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。