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！

龙图腾网恭喜浙江大学申请的专利基于锚点聚合的联邦学习方法和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：CN114580662B 。

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：202210186074.3，技术领域涉及：G06N3/098；该发明授权基于锚点聚合的联邦学习方法和系统是由魏成坤;陈文智;江鑫楠;林东宇;施青松;王总辉设计研发完成，并于2022-02-28向国家知识产权局提交的专利申请。

本基于锚点聚合的联邦学习方法和系统在说明书摘要公布了：本发明公开了一种基于锚点聚合的联邦学习方法和系统，包括多个客户端和中心服务器，每个客户端与中心服务器建有通信通道；客户端用于依据当轮次全局锚点指导本地数据集训练当前本地模型，同时更新本地锚点后，上传新本地锚点至中心服务器，其中，本地锚点为根据本地数据对应的特征向量确定的能够代表分类类别的特征点；中心服务器用于对所有客户端上传的新本地锚点进行聚合更新，以得到与各分类类别相对应的全局锚点，并将全局锚点下发至各客户端以指导下一轮次本地训练。该方法和系统在保障模型训练精度的基础上有效地减少了联邦训练的通信量级，同时支持异构性模型的联邦学习。

本发明授权基于锚点聚合的联邦学习方法和系统在权利要求书中公布了：1.一种基于锚点聚合的联邦学习系统，其特征在于，包括多个客户端和中心服务器，每个客户端与中心服务器建有通信通道；客户端用于依据当前轮次的全局锚点指导本地数据集训练当前本地模型，同时更新本地锚点后，上传新本地锚点至中心服务器，其中，本地锚点为根据本地数据对应的特征向量确定的能够代表分类类别的特征点；其中，方式一：采用动量优化算法更新本地锚点，包括：训练本地模型过程中，根据样本数据经过本地模型投影后在特征投影空间上的真实特征向量，采用动量优化算法对当前本地锚点进行更新，通过多批次数据迭代后得到真实特征向量中能够代表分类类别的特征点作为新本地锚点；方式二：采用中心损失函数更新本地锚点，包括：将本地锚点看作训练参数，在训练过程中，将样本数据经过本地模型投影后在特征投影空间上的真实特征向量与本地锚点做差值，以构建中心损失函数，利用该中心损失函数对本地锚点进行位置更新，以减少真实特征向量与本地锚点之间的平均距离，经过多批次数据迭代后，新本地锚点能够平衡和各类别内对应的各特征向量之间的距离，以接近各特征向量中心并达到稳定，从而足以代表各分类类别的数据特征；中心服务器用于对所有客户端上传的新本地锚点进行聚合更新，以得到与各分类类别相对应的全局锚点，并将全局锚点下发至各客户端以指导下一轮次本地训练。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。