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！

龙图腾网获悉济南三泽信息安全测评有限公司申请的专利一种领域深度学习的数据差分隐私处置优选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：CN119760783B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202510251936.X，技术领域涉及：G06F21/62；该发明授权一种领域深度学习的数据差分隐私处置优选方法是由张荣泽;袁梦晓;高志修;刘岩;井维哲;徐明训设计研发完成，并于2025-03-05向国家知识产权局提交的专利申请。

本一种领域深度学习的数据差分隐私处置优选方法在说明书摘要公布了：本发明涉及数据差分隐私处置的技术领域，公开了一种领域深度学习的数据差分隐私处置优选方法，所述方法包括：将领域隐私数据集构建为深度学习损失函数；初始化生成领域隐私数据的隐私预算；计算领域隐私数据在深度学习损失函数训练过程中的贡献梯度，基于贡献梯度对领域隐私数据的隐私预算进行动态优选调整；利用动态优选调整后的隐私预算对领域隐私数据进行隐私保护。本发明基基于深度学习模型参数在训练过程中的梯度，计算不同领域隐私数据的贡献梯度，进而基于贡献梯度以及领域隐私数据的差分隐私变化率对隐私预算进行动态优选调整，在保证模型训练效果的情况下，得到对领域隐私数据进行隐私保护的隐私预算，实现领域隐私数据的隐私保护。

本发明授权一种领域深度学习的数据差分隐私处置优选方法在权利要求书中公布了：1.一种领域深度学习的数据差分隐私处置优选方法，其特征在于，所述方法包括： S1：获取领域隐私数据集，将领域隐私数据集构建为深度学习损失函数，所述领域隐私数据集由领域隐私数据以及领域隐私数据的预测分类结果组成，所述领域隐私数据包括多种个人敏感领域的隐私数据； 所述深度学习损失函数以深度学习模型参数为变量，以领域隐私数据集为输入，对深度学习模型参数进行训练，直至深度学习损失函数达到收敛，得到使得深度学习模型的预测分类结果达到最优的最优深度学习模型参数； 所述深度学习模型以用户数据为输入，以用户的预测分类结果为输出，其中用户数据为用户在多种个人敏感领域的数据信息； S2：初始化生成领域隐私数据的隐私预算； S3：计算领域隐私数据在深度学习损失函数训练过程中的贡献梯度，基于贡献梯度对领域隐私数据的隐私预算进行动态优选调整； 所述深度学习模型参数在深度学习损失函数训练过程中进行训练迭代，所述深度学习模型参数的最大训练迭代为Max，并基于训练迭代前后深度学习损失函数的变化值，生成每次训练迭代后深度学习模型参数的训练梯度，其中第t次训练迭代后的深度学习模型参数为θt，t∈[0,Max]，深度学习模型参数θt的训练梯度为gt，基于所述训练梯度，计算得到每组领域隐私数据在深度学习损失函数训练过程中的贡献梯度， 所述第n组领域隐私数据在第t次训练迭代过程中的贡献梯度为： 其中： 表示第n组领域隐私数据在第t次训练迭代过程中的贡献梯度，ρ表示预设的控制系数，表示第n组领域隐私数据在第t-1次训练迭代后动态优选调整的隐私预算； 基于所述贡献梯度对领域隐私数据的隐私预算进行动态优选调整，其中所述隐私预算的动态优选调整公式为： 其中： 表示隐私预算的差分隐私变化率，g表示预设的贡献梯度阈值； S4：利用动态优选调整后的隐私预算对领域隐私数据进行隐私保护，基于隐私保护后的领域隐私数据对深度学习损失函数进行训练，直至深度学习损失函数收敛，得到领域隐私保护后的最优深度学习模型参数，并基于最优深度学习模型参数构建深度学习模型。

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济南三泽信息安全测评有限公司，其通讯地址为：250000 山东省济南市中国(山东)自由贸易试验区济南片区新泺大街1666号齐盛广场2号楼5楼；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”。