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！

龙图腾网获悉西安邮电大学申请的专利一种面向车联网异构数据的联邦学习方法及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：CN121707014B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202610209819.1，技术领域涉及：H04L67/12；该发明授权一种面向车联网异构数据的联邦学习方法及系统是由王腾;刘瑾;屈佳妮;胡陟;杨腾飞;冯景瑜;刘双根设计研发完成，并于2026-02-13向国家知识产权局提交的专利申请。

本一种面向车联网异构数据的联邦学习方法及系统在说明书摘要公布了：本申请公开了一种面向车联网异构数据的联邦学习方法及系统，涉及智能交通技术领域。所述方法包括：路边单元将当前的全局模型与全局控制变量发送至参与训练的车辆；车辆通过本地数据和差分隐私随机梯度下降算法执行结合客户端漂移校正机制的本地训练，生成本地模型更新；车辆根据本轮训练的损失值，通过个性化的自适应差分隐私策略计算下一轮次训练的噪声乘子；车辆基于选择性上传，判断本轮模型更新是否有效；若更新有效，车辆上传模型增量与本地控制变量增量到路边单元，路边单元聚合后更新全局模型与全局控制变量。本申请从隐私保护、模型优化和通信策略三个层面进行了系统性创新，为车联网场景下构建高效且安全可靠的联邦学习提供了解决方案。

本发明授权一种面向车联网异构数据的联邦学习方法及系统在权利要求书中公布了：1.一种面向车联网异构数据的联邦学习方法，其特征在于，包括： S1，路边单元将当前的全局模型与全局控制变量发送至参与训练的车辆； S2，基于所述当前的全局模型与所述全局控制变量，所述车辆通过本地数据和差分隐私随机梯度下降算法，执行结合客户端漂移校正机制的本地训练，生成本地模型更新； S3，所述车辆根据本轮训练的损失值，通过个性化的自适应差分隐私策略计算用于下一轮次训练的噪声乘子； S4，所述车辆基于选择性上传规则，判断本轮模型更新是否有效； S5，若本轮模型更新有效，所述车辆上传模型增量与本地控制变量增量到所述路边单元，所述路边单元聚合所述模型增量与所述本地控制变量增量，更新全局模型与全局控制变量； 其中，所述通过个性化的自适应差分隐私策略计算用于下一轮次训练的噪声乘子包括： 计算本次训练中，本地模型更新在训练批次上的损失值； 基于所述损失值，通过自适应的噪声乘子计算公式得到下一轮次训练使用的噪声乘子； 所述自适应的噪声乘子计算公式为： ，其中，t+1为本地模型更新的训练轮次，t+2为下一训练轮次，为车辆索引，为下一轮次训练的噪声乘子，为本地模型更新的噪声乘子，为本地模型更新的损失值，为超参数，为最大损失值，为噪声乘子最小阈值。

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邮电大学，其通讯地址为：710121 陕西省西安市长安区长安南路563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。