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！

龙图腾网获悉西安电子科技大学申请的专利基于梯度调节因子的卷积神经网络联邦学习后门攻击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：CN119962617B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202510034925.6，技术领域涉及：G06N3/094；该发明授权基于梯度调节因子的卷积神经网络联邦学习后门攻击方法是由马卓;杨易龙;吴泽锋;刘洋;杨昊设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本基于梯度调节因子的卷积神经网络联邦学习后门攻击方法在说明书摘要公布了：本发明提出了一种基于梯度调节因子的卷积神经网络联邦学习后门攻击方法，实现步骤为：构建联邦学习系统；每个客户端获取训练样本集；每个客户端对本地模型进行迭代训练；中央服务器获取后门攻击结果。本发明每个客户端在对本地模型进行迭代训练的过程中，恶意客户端通过本地模型的正常损失值和后门损失值计算每个权值参数的梯度调节因子，并基于该调节因子对权值参数进行更新，能够增强对后门攻击关键的权重参数的更新幅度，同时削弱对大量非关键权重参数的更新，限制了整体权重更新的幅度，不仅能够有效强化后门攻击，还在表现上与良性客户端的梯度更新特征相似，从而提升后门攻击的隐蔽性与持久性。

本发明授权基于梯度调节因子的卷积神经网络联邦学习后门攻击方法在权利要求书中公布了：1.一种基于梯度调节因子的卷积神经网络联邦学习后门攻击方法，其特征在于，包括如下步骤： 1构建联邦学习系统： 构建包括中央服务器和由个良性客户端和个恶意客户端共个客户端组成的联邦学习系统，中央服务器将卷积神经网络作为全局模型发送至每个客户端，其中，,第个客户端为； 2每个客户端获取训练样本集： 每个客户端获取包括个目标类别的幅RGB图像，并对每幅图像中的目标进行标注，然后每个良性客户端将幅RGB图像及其标签组成第一训练样本集，每个恶意客户端将触发器植入到幅RGB图像中并修改图像的标注，再将包含触发器的幅RGB图像及其修改后的标签和不包含触发器的幅RGB图像及其标签组成第二训练样本集，其中，，； 3每个客户端对本地模型进行迭代训练： 每个客户端将中央服务器将发送的全局模型作为本地模型，并将自己的训练样本集作为本地模型的输入对其进行迭代训练，每个恶意客户端在每次训练中基于梯度调节因子对梯度进行调节，然后将训练好的本地模型的模型权值上传至中央服务器，其中，每个权值参数的梯度调节因子的计算公式为： ； ； 其中，表示模型权值的第个参数，表示求最大值运算，表示求最小值运算，表示求偏导操作，、分别表示本地模型的后门损失值、干净损失，表示第次迭代本地模型的权值； 4中央服务器获取后门攻击结果： 中央服务器对所有客户端上传的模型权值进行聚合，得到权值为的带有后门信息的全局模型。

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电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路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。