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！

龙图腾网恭喜泉城省实验室申请的专利针对异构资源的隐私增强自适应聚类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：CN119692437B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202510192098.3，技术领域涉及：G06N3/098；该发明授权针对异构资源的隐私增强自适应聚类联邦学习方法及系统是由赵川;魏宇楠;赵圣楠;马文涛;鞠雷;陈贞翔设计研发完成，并于2025-02-21向国家知识产权局提交的专利申请。

本针对异构资源的隐私增强自适应聚类联邦学习方法及系统在说明书摘要公布了：本发明涉及针对异构资源的隐私增强自适应聚类联邦学习方法及系统，属于联邦学习技术领域。包括：（1）基于上行时延的参与方聚类；应用不同的聚类标准对异构设备进行聚类；（2）算力相似簇内的本地训练；根据设备计算能力对用户进行聚类，优化训练效率；（3）基于谱嵌入的安全簇模型聚合；采用基于梯度向量相似性的软聚类，允许用户模型聚合成多个聚类模型，并使用多个聚类模型更新本地模型。本发明通过在聚类过程中对用户的梯度向量进行混洗来确保隐私和机密性。此外，方法采用同态加密和双线性聚合签名来验证用户身份并保护梯度共享。

本发明授权针对异构资源的隐私增强自适应聚类联邦学习方法及系统在权利要求书中公布了：1.针对异构资源的隐私增强自适应聚类联邦学习方法，其特征在于，包括：1基于上行时延的参与方聚类；应用不同的聚类标准对异构设备进行聚类；2算力相似簇内的本地训练；根据设备计算能力对用户进行聚类，优化训练效率；3基于谱嵌入的安全簇模型聚合；采用基于梯度向量相似性的软聚类，允许用户模型聚合成多个聚类模型，并使用多个聚类模型更新本地模型；算力相似簇内的本地训练；包括：在每轮训练开始时，BS接收来自参与该轮的设备的上行时延，包括参与方Ui完成本地训练的时间ti以及与BS的通信延迟Di；BS首先使用K均值聚类算法根据上行时延将设备分为τ个类：{K1，...，Kτ}，其中，K1是时延最短的类，Kτ是时延最长的类；每隔时间间隔R，服务器聚合从所有设备接收到的本地模型，完成一轮训练；Ui选择本地数据集的子集来训练本地模型，得到本地梯度，如下所示： 其中，l·是本地损失函数，r表示轮数，η表示本地学习率；表示第r轮用户i上传的模型参数，同理，▽为拉普拉斯算子；将加密的梯度向量编码为整数，如下所示： 其中，ρ表示编码精度，m表示编码长度；Ui使用CSP的公钥加密如下所示： 其中，表示使用CSP的公钥加密的参与方i上传的梯度，是指PIlliar中的加密函数，Ui生成数据元组其中，TS是时间戳；Ui计算的数字签名并将发送给BS。

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泉城省实验室，其通讯地址为：250100 山东省济南市历城区经十东路国家超算济南中心科技园；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”。