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！

龙图腾网获悉海南智时空科技合伙企业(有限合伙);海南大学申请的专利一种端云协同学习框架下的隐私保护域适应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：CN118779913B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202410892522.0，技术领域涉及：G06F21/62；该发明授权一种端云协同学习框架下的隐私保护域适应方法是由刘洋;刘靖;李鹏程;羊秋玲;倪伟;宋梁设计研发完成，并于2024-07-04向国家知识产权局提交的专利申请。

本一种端云协同学习框架下的隐私保护域适应方法在说明书摘要公布了：本发明公开一种端云协同学习框架下的隐私保护域适应方法，端设备获得训练数据集并使用域适应机制从训练数据集中提取特征数据并动态调整模型参数；将特征数据传输至云端服务器，云端服务器在增强型Transformer模型更新框架下进行模型训练与更新，获得训练完成的云端模型；训练过程中使用通信压缩策略优化模型参数传输、应用差分隐私保护机制以保护患者隐私；云端服务器对训练完成的云端模型通过迭代子采样和重权重策略进行优化，将优化后的模型作为最终模型下发至端设备；端设备采集待检测数据并输入至最终模型中获得检测结果。本发明能提升模型的泛化能力和学习效率，还可降低模型更新过程中的通信成本并确保端设备数据隐私的安全。

本发明授权一种端云协同学习框架下的隐私保护域适应方法在权利要求书中公布了：1.一种端云协同学习框架下的隐私保护域适应方法，包括端设备和云端服务器，其特征在于，包括如下步骤： 端设备采集训练数据并进行预处理，获得训练数据集； 端设备使用域适应机制从训练数据集中提取特征数据并动态调整模型参数； 端设备将所述特征数据传输至云端服务器，云端服务器在增强型Transformer模型更新框架下进行模型训练与更新，获得训练完成的云端模型；训练过程中云端服务器使用通信压缩策略优化模型参数传输、应用差分隐私保护机制以保护患者隐私； 云端服务器对训练完成的云端模型通过迭代子采样和重权重策略进行优化，将优化后的模型作为最终模型下发至端设备； 端设备采集待检测数据并输入至最终模型中，获得检测结果，具体地， 训练过程中云端服务器使用通信压缩策略优化模型参数传输，包括如下步骤：进行模型量化，将浮点数参数转换为低精度的表示，设原始模型参数为W，量化后的参数为W′，量化过程可表示为： 其中，bits表示量化的位数，quantize·,·是量化操作，是量化间隔，round·是四舍五入到最近的整数； 采用稀疏编码技术通过仅激活模型更新中重要的部分来减少需要传输的数据量，设更新向量为dW，稀疏编码后的向量为dW′，则稀疏编码过程可表示为： dW′＝sparsedW,τ14 其中，τ是用于确定哪些参数是重要的阈值，sparse·,·是稀疏编码操作； 将模型量化和稀疏编码技术结合起来，降低模型更新的通信开销，结合后的通信量CCommCost可表示为： CCommCost＝sizeW′+sizedW′15 其中，size·,·函数表示量化或稀疏编码后参数的字节大小； 还包括如下步骤：设T为传输周期，按预设传输周期来进行定期传输量化和稀疏编码后的模型更新，传输策略可表示为： 其中，Wt是在时间步t的模型参数，dW′i是在时间步i编码后的模型更新； 训练过程中云端服务器应用差分隐私保护机制以保护患者隐私，包括如下步骤：在模型训练中引入随机响应机制，设b为一个二值随机变量，其值为1时表示真实响应，值为0时表示虚假响应，随机响应r可表示为： r＝b+∈r17 其中，∈r是从分布中抽取的随机噪声； 通过差分隐私约束量化参数的信息量，对于每个参数θj，计算其Fisher信息Fθj，然后根据Fisher信息的大小动态调整噪声σj： 其中，Cg是根据全局差分隐私预算∈和安全边际δ确定的常数。

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海南智时空科技合伙企业(有限合伙);海南大学，其通讯地址为：570100 海南省海口市龙华区滨海大道32号复兴城E区二楼D区-174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”。