公开(公告)号：CN115278570B

公开(公告)日：2025-02-28

申请号：CN202210710164.8

申请日：2022-06-22

Applicant: 南京邮电大学

Inventor： 朱晓荣 ,  刘文杰 ,  张衡

IPC: H04W4/30 ,  H04W24/06 ,  H04L67/1095 ,  H04L67/10 ,  H04L41/14 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06N20/00 ,  G06N3/098

Abstract: 本发明公开了一种基于联邦学习的业务识别方法，属于通信网络技术领域。该方法通过构建由若干个无线路由器作为边缘端组成的边缘协作式系统；然后通过该系统中的若干个无线路由器采集网络流量数据集，并将数据集处理成训练模型需要的格式；根据业务需求，选用不同的分布式联邦学习机制训练得到初始模型，并经过聚合更新得到全局模型；将训练得到的全局模型放到业务识别分类器模型库中，然后根据所识别的不同的业务类型选取其中不同的算法模型；最后通过联邦学习的协同训练手段，合并众多参与训练的路由器识别出的数据流特征，并部署到更多路由器上，使得每个路由器都可以识别出全部的业务类型，有效增强识别模型的泛化能力，不断改善系统整体性能。

公开(公告)号：CN115278570A

公开(公告)日：2022-11-01

申请号：CN202210710164.8

申请日：2022-06-22

Applicant: 南京邮电大学

Inventor： 朱晓荣 ,  刘文杰 ,  张衡

IPC: H04W4/30 ,  H04W24/06 ,  H04L67/1095 ,  H04L67/10 ,  H04L41/14 ,  G06N20/00 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明公开了一种基于联邦学习的业务识别方法，属于通信网络技术领域。该方法通过构建由若干个无线路由器作为边缘端组成的边缘协作式系统；然后通过该系统中的若干个无线路由器采集网络流量数据集，并将数据集处理成训练模型需要的格式；根据业务需求，选用不同的分布式联邦学习机制训练得到初始模型，并经过聚合更新得到全局模型；将训练得到的全局模型放到业务识别分类器模型库中，然后根据所识别的不同的业务类型选取其中不同的算法模型；最后通过联邦学习的协同训练手段，合并众多参与训练的路由器识别出的数据流特征，并部署到更多路由器上，使得每个路由器都可以识别出全部的业务类型，有效增强识别模型的泛化能力，不断改善系统整体性能。

公开(公告)号：CN117172333A

公开(公告)日：2023-12-05

申请号：CN202311133647.7

申请日：2023-09-05

Applicant: 南京邮电大学

Inventor： 刘旭 ,  张衡 ,  朱晓荣 ,  杨龙祥 ,  朱洪波

IPC: G06N20/00 ,  H04L41/14

Abstract: 本发明公开了一种基于模型损失容忍度的联邦学习设备调度方法。所述方法包括：首先服务器获取终端设备上传的终端设备信息；其次，在服务器的判决器中设置模型所能容忍模型损失的阈值；然后判决器根据终端设备信息计算对应终端设备当前信道的误码率，依据阈值和误码率进行设备选择；最后，由选择出的设备进行联邦学习训练，并将训练后的本地模型参数上传至服务器端进而执行聚合操作更新全局模型，并将更新后的全局模型传输给参与训练的终端设备进行新一轮训练更新本地模型，不断迭代上述过程直至模型收敛。最后通过仿真实验验证了采用本发明方法模型能够获得更高准确率。