申请/专利权人：南华大学

申请日：2023-12-20

公开（公告）日：2024-03-22

公开（公告）号：CN117750320A

主分类号：H04W4/30

分类号：H04W4/30;G06N20/00;G06F18/214;G06F18/22;G06F21/31;H04W4/80;H04W84/12

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明提出了一种基于联邦学习与类增量学习的wifi人员身份识别方法及系统，利用WiFi信号进行身份识别，并且综合了类增量学习和联邦学习的优势，将这两种学习方法结合起来，使得服务器能够根据用户的模型更新全局模型，提高泛化能力，同时用户的模型训练只在本地设备上进行，不需要将原始数据上传到中心服务器，有效地保护了用户的隐私，能够在边缘设备上完成模型的训练和推理，降低对中心服务器的依赖，提升实时性和效率。

主权项：1.一种基于联邦学习与类增量学习的wifi人员身份识别方法，包括服务器端建立初始的WiFi身份识别全局模型，所述服务器端下发所述WiFi身份识别全局模型及版本号给所有客户端，其特征在于，还包括以下步骤：步骤1：每个客户端接收服务器下发的所述WiFi身份识别全局模型，收集注册用户在WiFi信号覆盖下活动的数据，数据经过处理之后加入本地数据集，用本地数据集训练下载的所述WiFi身份识别全局模型，并更新为本地模型；步骤2：判断所述本地模型与最新下发的所述WiFi身份识别全局模型是否聚合，更新所述本地模型并将更新后的本地模型参数上传到所述服务器端；步骤3：所述服务器端收到来自所有客户端的所述本地模型更新后的参数，进行模型参数的聚合；步骤4：在服务器端更新所述WiFi身份识别全局模型，等待客户端请求下载，若收到客户端的下载请求则将最新版本的模型数据发送给客户端；步骤5：重复步骤2-步骤4，在空闲时间段持续优化全局模型及各客户端本地模型的性能，同时使用更新后的所述WiFi身份识别全局模型进行实时身份识别。

全文数据：

权利要求：

百度查询： 南华大学 一种基于联邦学习与类增量学习的wifi人员身份识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD