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！

龙图腾网恭喜杭州海康威视数字技术股份有限公司申请的专利基于少样本预学习的物联网隐私泄露检测方法及设备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：CN119357850B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202411930899.7，技术领域涉及：G06F18/2431；该发明授权基于少样本预学习的物联网隐私泄露检测方法及设备是由王滨;周少鹏;周由胜;王家骅;王旭;张峰;李超豪;毕志城设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本基于少样本预学习的物联网隐私泄露检测方法及设备在说明书摘要公布了：本申请提供了基于少样本预学习的物联网隐私泄露检测方法及设备。本实施例通过构建由内层模型+外层预学习器组成的物联网隐私泄露检测模型，以使得按照内循环（基于单个训练任务训练内层模型）和外循环（基于各训练任务训练出的内层模型的损失情况优化外层预学习器、以及基于优化后的外层预学习器优化内层模型）相配合的方式训练出满足要求的物联网隐私泄露检测模型，相比常规单一训练模式，其可以实现在少量样本的情况下快速训练模型的，且这种内层模型的训练决定外层预学习器的优化而外层预学习器决定内层模型的优化的方式，相互决策，能够保证最终训练出的目标物联网隐私泄露检测模型具有较高的检测准确率，提高物联网隐私泄露检测的准确度。

本发明授权基于少样本预学习的物联网隐私泄露检测方法及设备在权利要求书中公布了：1.一种基于少样本预学习的物联网隐私泄露检测方法，其特征在于，该方法应用于电子设备，包括：将隐私检测数据集中各行数据转换为指定尺寸的2D矩阵，针对每一2D矩阵，确定该2D矩阵中每一元素对应的3D图像像素点，并基于该元素与该2D矩阵中取值最大的元素，确定该3D图像像素点的像素值；基于该2D矩阵中各元素对应的3D图像像素点及像素值，确定该2D矩阵对应的3D图像；利用各2D矩阵对应的3D图像，生成隐私数据训练样本集；所述隐私数据训练样本集中任一3D图像为隐私数据训练样本；隐私检测数据集中各行数据是通过将设定时间段内采集的物联网中各物联网设备的业务数据和已公开的用于隐私检测的公共数据集融合得到；所述业务数据包括隐私数据；基于隐私数据训练样本集，获得训练任务集；所述训练任务集中包括多个训练任务；任一训练任务包括：基于从第一数据集中选择对应的一组隐私数据训练样本确定的内层模型训练集和内层模型测试集；所述一组隐私数据训练样本包括K个隐私数据类别下的隐私数据训练样本，所述内层模型训练集和所述内层模型测试集均包含K个隐私数据类别下的隐私数据训练样本，内层模型训练集由K个隐私数据类别下的部分隐私数据训练样本组成，内层模型测试集由K个隐私数据类别下的剩余隐私数据训练样本组成；所述隐私数据训练样本集被划分为第一数据集和第二数据集；从训练任务集中采样当前训练批次所需的一批训练任务；获得用于描述该批训练任务之间相似关系的任务相似性评估矩阵S；在非初始，该任务相似性评估矩阵S基于已得到的上一训练批次下的物联网隐私泄露检测模型中内层模型的参数确定；针对该批训练任务中每一训练任务，基于该训练任务与其它训练任务之间的相似度、其它训练任务当前的自适应学习率、以及该训练任务与其它训练任务之间的相似度中取值最大的最大值，确定该训练任务的自适应学习率，从该训练任务中采样训练样本以训练当前物联网隐私泄露检测模型中的内层模型，在训练结束时基于该自适应学习率调整所述内层模型的当前参数得到该训练任务对应的参考参数；第i个训练任务的自适应学习率为：；其中，表示第j个训练任务的自适应学习率：表示第i个训练任务与第j个训练任务之间的相似度；表示所述最大值，基于该批训练任务的总数量确定；从每一训练任务采样测试样本以测试该训练任务对应的参考参数得到损失值，基于各损失值和当前物联网隐私泄露检测模型中外层预学习器的外层学习率，将当前物联网隐私泄露检测模型中内层模型的参数调整为目标参数，得到当前训练批次下的物联网隐私泄露检测模型；利用所述第二数据集中各包含多个不同隐私数据类别下的隐私数据训练样本的测试任务测试验证当前训练批次下的物联网隐私泄露检测模型是否为满足设定要求的目标物联网隐私泄露检测模型，如果否，返回从训练任务集中采样一个训练批次样本的步骤，如果是，结束当前流程；所述目标物联网隐私泄露检测模型用于物联网隐私泄露检测。

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海康威视数字技术股份有限公司，其通讯地址为：310051 浙江省杭州市滨江区阡陌路555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”。