一种联邦学习中客户端数据标签不平衡检测方法及系统

本发明公开了一种联邦学习中客户端数据标签不平衡检测方法及系统，方法如下：(1)使用联邦学习中服务器持有的验证数据集和生成对抗网络生成多种标签分布偏移已知的数据集，得到虚拟客户端数据集；(2)以虚拟客户端数据集及其已知的数据集分布类型驱动待学习的联邦学习模型进行训练，每个虚拟客户端待学习的模型都初始化同一个模型；(3)训练结束后，提取模型参数作为特征，虚拟客户端数据集分布类型作为标签，构成用于训练客户端数据集分布类型的新的数据集；(4)使用得到的数据集，驱动标签偏移识别深度神经网络模型，开展深度神经网络模型学习；(5)完成标签偏移识别深度神经网络模型训练后，将标签偏移识别深度神经网络模型部署到联邦学习服务器中。

《一种联邦学习中客户端数据标签不平衡检测方法及系统》是一发明专利，专利号为 2024117997660，当前法律状态为已下证，由杭州电子科技大学提出申请，发明人为姚英彪;顾喆宇;徐欣;杨阿锋;刘晴;曾嵘;易志强;胡志蕊，申请日期为2024-12-09，公开（公告）日期为2025-10-21，国际专利分类号（IPC）为 G06N 3/098 (2023.01)，高新资质：未报高企，所属技术领域包括：联邦学习机器学习数据标签数据分布实时监测数据分布偏移监测数据对抗网络深度神经网络训练模型AI学习。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了一种联邦学习中客户端数据标签不平衡检测方法及系统，方法如下：(1)使用联邦学习中服务器持有的验证数据集和生成对抗网络生成多种标签分布偏移已知的数据集，得到虚拟客户端数据集；(2)以虚拟客户端数据集及其已知的数据集分布类型驱动待学习的联邦学习模型进行训练，每个虚拟客户端待学习的模型都初始化同一个模型；(3)训练结束后，提取模型参数作为特征，虚拟客户端数据集分布类型作为标签，构成用于训练客户端数据集分布类型的新的数据集；(4)使用得到的数据集，驱动标签偏移识别深度神经网络模型，开展深度神经网络模型学习；(5)完成标签偏移识别深度神经网络模型训练后，将标签偏移识别深度神经网络模型部署到联邦学习服务器中。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！