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！

龙图腾网恭喜中山大学申请的专利前后端分离的异步联邦学习方法、系统、装置及存储介质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：CN114861931B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202210373640.1，技术领域涉及：G06N20/00；该发明授权前后端分离的异步联邦学习方法、系统、装置及存储介质是由郭子晗;由林麟;吴承瀚;林俊龙;李浩源;侯英威设计研发完成，并于2022-04-11向国家知识产权局提交的专利申请。

本前后端分离的异步联邦学习方法、系统、装置及存储介质在说明书摘要公布了：本发明公开了一种前后端分离的异步联邦学习方法、系统、装置及存储介质，其中方法包括：根据待训练服务，服务使用者向后端发送服务请求信息；后端接收到的服务请求信息推送给系统管理者；系统管理者设置待训练服务对应的待执行任务的全局训练策略，并将全局训练策略发送给后端，由后端开始待执行任务的异步联邦学习；后端向训练参与者发送训练通知；训练参与者训练本地模型，并将训练好的本地模型上传至后端；后端根据接收到的本地模型生成全局模型，并对全局模型进行评估；当评估通过，后端更新待训练服务的使用状态，并将更新后的使用状态返回服务使用者。本申请实施例提出的异步联邦学习系统的前后端相对独立且松耦合，能有效提高系统兼容性。

本发明授权前后端分离的异步联邦学习方法、系统、装置及存储介质在权利要求书中公布了：1.一种前后端分离的异步联邦学习方法，所述前后端分离的异步联邦学习方法应用于前后端分离的异步联邦学习系统，所述系统包括前端和后端，所述前端和所述后端之间以接口形式进行数据交换；所述前端的用户身份包括服务使用者、系统管理者和训练参与者；其特征在于，所述方法包括：根据待训练服务，所述服务使用者向所述后端发送服务请求信息；所述后端接收到的所述服务请求信息推送给所述系统管理者；根据接收到的所述服务请求信息，所述系统管理者设置所述待训练服务对应的待执行任务的全局训练策略，并将所述全局训练策略发送给所述后端；根据所述全局训练策略，所述后端开始所述待执行任务的异步联邦学习；在所述异步联邦学习的过程中，所述后端向所述训练参与者发送训练通知；根据所述训练通知，所述训练参与者训练本地模型，并将训练好的所述本地模型上传至所述后端；所述后端根据接收到的所述本地模型生成全局模型，并对所述全局模型进行评估；当评估通过，所述后端更新所述待训练服务的使用状态，并将更新后的所述使用状态返回所述服务使用者；所述服务使用者接收到所述使用状态后，向所述后端发送对应所述待训练服务的本地服务请求；根据所述本地服务请求，所述后端向所述服务使用者发送所述全局模型；所述服务使用者接收所述全局模型并进行本地服务计算，获得服务计算结果，并将所述服务计算结果在前端界面进行可视化；所述根据所述训练通知，所述训练参与者训练本地模型，并将训练好的所述本地模型上传至所述后端，包括：所述训练通知中包括对应所述待执行任务的特殊事件标识和本地模型上传接口；根据所述特殊事件标识，所述训练参与者向所述后端发送用户信息查询请求；根据所述用户信息查询请求，所述后端判断所述训练参与者是否首次训练所述待执行任务；若所述训练参与者为首次训练所述待执行任务，所述后端向所述训练参与者返回所述待执行任务对应的全局训练策略，全局加密模型、本地训练容器镜像和容器配置文件；所述训练参与者根据接收到的所述本地训练容器镜像和容器配置文件部署本地训练容器，并保存所述全局训练策略；所述训练参与者将所述全局加密模型导入所述本地训练容器，根据所述全局训练策略对所述全局加密模型进行训练，得到所述本地模型；通过所述本地模型上传接口，所述训练参与者将所述本地模型上传至所述后端。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。