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！

龙图腾网获悉南京邮电大学申请的专利一种基于跨模态知识蒸馏的物联网异构设备联邦学习方法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：CN121724107B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202610219276.1，技术领域涉及：G06N3/098；该发明授权一种基于跨模态知识蒸馏的物联网异构设备联邦学习方法是由孙雁飞;胡淞皓;胡筱旋;亓晋;董振江设计研发完成，并于2026-02-24向国家知识产权局提交的专利申请。

本一种基于跨模态知识蒸馏的物联网异构设备联邦学习方法在说明书摘要公布了：一种基于跨模态知识蒸馏的物联网异构设备联邦学习方法，属于物联网领域，提出双阶段联邦学习框架，在客户端侧引入知识蒸馏机制，将不同结构和参数规模的本地模型统一蒸馏至同构模型，将蒸馏后的模型参数上传至服务器端进行聚合。在不泄露原始数据和本地模型隐私的前提下，本方法实现对模型异构性的有效支持，从而保障单轮联邦学习过程的可行性与稳定性。本方法进一步提出基于CLIP的辅助知识蒸馏策略，利用预训练CLIP模型生成的文本级语义监督信息，引导客户端图像分类模型进行知识蒸馏与特征对齐，从而增强模型的泛化能力与知识迁移效果。本方法在非独立同分布和长尾数据环境中显著提升知识蒸馏的有效性，提高单轮联邦学习的整体性能。

本发明授权一种基于跨模态知识蒸馏的物联网异构设备联邦学习方法在权利要求书中公布了：1.一种基于跨模态知识蒸馏的物联网异构设备联邦学习方法，其特征在于：所述方法包括客户端和服务器端；客户端部署教师模型和学生模型，学生模型在本地私有数据约束下完成高质量特征建模，教师模型用于参数上传与服务器端的全局聚合，客户端以批大小为B的方式进行本地训练，目标为完成K类分类任务；服务器端对客户端上传的学生模型参数进行统一聚合，最终获得全局模型；所述方法包括如下步骤： 步骤1：客户端分别基于各自的本地数据集进行模型预训练，获得对应的本地教师模 型及模型参数；同时，在每个客户端初始化一个学生模型，其模型参数记为； 步骤2：将本地数据集输入至学生模型，对输入图像样本进行预测，并引入对数偏置 调整机制，获得分类预测损失项； 步骤3：利用本地数据集，将本地教师模型的知识蒸馏至学生模型，基于学生模型和 教师模型的对数概率分布获得知识蒸馏损失项； 步骤4：对于输入的一批图像样本，首先通过视觉–语言模型生成对应的文 本描述信息；将图像样本输入至学生模型，通过文本适配器将其图像特征映 射至文本语义空间，得到对应的图像语义特征；计算归一化后的图像特征与文本特征之间 的相似度矩阵，进而获得文本语义约束损失项； 步骤5：对分类预测损失项、知识蒸馏损失项和文本语义约束损失项进行加权融合，构建联合优化目标函数； 步骤6：重复步骤2到步骤5，直至优化步数达到预先设定； 步骤7：客户端完成本地训练后，将更新后的学生模型参数上传至服务器端，服务器基 于各客户端数据规模对模型参数进行加权聚合，得到全局模型及其参数。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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”。

以上内容由龙图腾AI智能生成。