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！

龙图腾网恭喜浙江工商大学;浙江省新型互联网交换中心有限责任公司申请的专利基于联邦贝叶斯学习的算力网络中异常数据识别方法及装置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：CN119089368B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202411575539.X，技术领域涉及：G06F18/2433；该发明授权基于联邦贝叶斯学习的算力网络中异常数据识别方法及装置是由李传煌;徐韩逸;顾晨辉;马博;汤中运设计研发完成，并于2024-11-06向国家知识产权局提交的专利申请。

本基于联邦贝叶斯学习的算力网络中异常数据识别方法及装置在说明书摘要公布了：本发明公开了一种基于联邦贝叶斯学习的算力网络中异常数据识别方法及装置，在算力网络架构下，基于贝叶斯神经网络构建去中心化联邦学习框架，该框架下每个算力节点都具有多种算力属性；首次训练选择数据量丰富且计算能力强的算力节点作为起始训练节点，完成训练后利用内在可解释性，分析出输入层影响最大的特征。根据算力属性评估，选择出下一个参与训练的算力节点，将关键特征传递给改算力节点对其先验分布进行对应调整，再进行训练。重复操作直至模型收敛，性能稳定。本发明既利用了算力网络中算力节点的调度，提高资源利用率，又保证了数据的隐私性。此外，本发明还充分发挥了贝叶斯神经网络的抗拟合性以及可解释性，保证了深度学习准确性。

本发明授权基于联邦贝叶斯学习的算力网络中异常数据识别方法及装置在权利要求书中公布了：1.一种基于联邦贝叶斯学习的算力网络中异常数据识别方法，其特征在于，该方法包括以下步骤：（1）构建算力网络，以持有数据集的独立用户终端作为算力节点，参与联邦学习；（2）依据数据量和计算能力确定起始训练算力节点，算力节点完成本地训练后通过贝叶斯神经网络分析并识别出对贝叶斯神经网络输入层影响最大的特征通道及其方差；并评估算力能力以及网络状况选择出下一个参与训练的算力节点，将特征通道信息与方差数据传递给该算力节点；（3）参与训练的算力节点根据接收到特征通道信息和方差数据，调整本地先验分布的对应通道的方差后，再按照步骤（2）的方式进行本地学习训练和传递特征通道信息与方差数据给下一个参与训练的算力节点；（4）不断重复（3）迭代过程，直至算力节点上的本地损失函数值收敛，将贝叶斯神经网络参数发送到所有算力节点，得到训练完成的最终神经网络模型，输入实时数据，通过模型预测的数据类型判断数据是否存在异常。

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工商大学;浙江省新型互联网交换中心有限责任公司，其通讯地址为：310012 浙江省杭州市西湖区教工路149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”。