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！

申请/专利权人：南京邮电大学

摘要：本发明公开了一种基于语义通信式联邦学习的掌静脉识别方法，其借助联邦学习Federallearning，FL实现高安全性、高可靠性的掌静脉生物特征识别。通过将语义通信应用于基于fedavg的联邦学习的联合算法，优化了通信负载，保证了即使在带宽受限的网络环境下，各端设备也能高效地参与到全局模型的学习和优化过程。此外，本发明采用先进的图像处理技术，提出基于纹理和卷积神经网络CNN方法融合的高效深度学习算法，结合联邦学习技术，有效解决了掌静脉识别有效性与安全性的平衡问题。仿真结果表明，与其他方法相比，所提出的方法在保证用户数据安全性的前提下，可以极大提高各客户端用户掌静脉识别性能，同时拥有良好的收敛效果。

主权项：1.本发明是针对实际应用场景下的分布式掌静脉识别问题，提出一种借助联邦学习Federallearning，FL实现高安全性、高可靠性的掌静脉生物特征识别方法。提出了一种将语义通信应用于基于fedavg的联邦学习的联合算法，优化了通信负载，保证了即使在带宽受限的网络环境下，各端设备也能高效地参与到全局模型的学习和优化过程。此外，本发明采用先进的图像处理技术，提出基于纹理和卷积神经网络CNN方法融合的高效深度学习算法，结合联邦学习技术，有效解决了掌静脉识别有效性与安全性的平衡问题。仿真结果表明，所提出的方法在保证用户数据安全性的前提下，极大提高了各客户端用户掌静脉识别性能。为实现上述目的，本发明提出一种基于语义通信式联邦学习的掌静脉识别方法,其特征在于，所述方法包括如下步骤：步骤1：预处理掌静脉数据；步骤1-1：提取ROI区域；步骤1-2：统一设置图像分辨率；步骤1-3：采用直方图均衡化算法进行图像增强；步骤2：获取本地掌静脉数据，进行一级特征提取；步骤2-1：对本地客户端训练数据进行基于纹理的特征提取；步骤2-2：对各子区域特征进行分数级融合，得到特征融合分数；步骤3：获取本地掌静脉数据，本地客户端进行初始深度学习训练；步骤3-1：对本地客户端数据进行基于CNN的深度学习训练；步骤3-2：形成本地初始模型，并将本地初始模型发送到服务端；步骤4：对多个客户端数据进行联邦学习；步骤4-1：服务端接收本地初始模型，分配秘钥至各客户端并分发初始模型；步骤4-2：迭代客户端训练，更新模型参数{M1,M2,...,Mn}，引入预训练语义网络对模型参数更新信息进行语义提取，采用信道编码方式模拟实际联邦通信以及加密过程，引入语义相似度步骤4-3：迭代联邦学习训练及更新直至共享掌静脉识别网络训练完成；步骤5：决策层融合，联合决策并将识别结果返回客户端用户，完成用户识别。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种基于语义通信式联邦学习的掌静脉识别方法