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跨域异质场景下的联邦学习隐私性评估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：CN115952507B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202211549244.6，技术领域涉及：G06F21/57；该发明授权一种跨域异质场景下的联邦学习隐私性评估方法是由赵海涛;潘晨悦;郭亮;李洁;王少鹏;杨洁;刘淼;徐波设计研发完成，并于2022-12-05向国家知识产权局提交的专利申请。

本一种跨域异质场景下的联邦学习隐私性评估方法在说明书摘要公布了：本发明涉及联邦学习隐私评测技术领域，公开了一种跨域异质场景下的联邦学习隐私性评估方法，包括：确定联邦学习在跨域异质场景下的任务和数据集，并根据算法确定潜在攻击风险；根据任务对数据集进行关联度筛选；将客户端发送给联邦学习中央服务器的数据采用设定的隐私加强技术进行加密处理；根据具有代表性的攻击模型计算客户端的隐私性指标；根据设置的阈值判定客户端参与联邦学习时所上传数据的隐私泄露风险。本发明提供的跨域异质场景下的联邦学习隐私性评估方法，通过在客户端模拟攻击，计算攻击结果来判断隐私性的安全程度，对联邦学习模型和数据都没有要求，适用于大部分实际情况。

本发明授权一种跨域异质场景下的联邦学习隐私性评估方法在权利要求书中公布了：1.一种跨域异质场景下的联邦学习隐私性评估方法，其特征在于，包括： 确定联邦学习在跨域异质场景下的任务和数据集，并根据算法确定潜在攻击风险；具体包括： 在跨域异质场景下客户端在设定数据集和全局梯度的基础上进行局部数据预训练并上传至客户端聚合，通过不断迭代以实现本地模型的训练；其中，所述设定数据集包括手写体数字数据库MNIST、用于识别普适物体的小型彩色数据库CIFAR10、人脸数据库LFW； 将每个样本的类别标签归纳在一个矩阵中以实现数据集的划分，并对分划好的每一个客户端数据中，使用第一设定量的数据作为训练样本，第二设定量的数据作为测试样本；其中，N为参与联邦学习的客户端个数，K表示所有样本标签得的类别个数，矩阵中的行向量表示每个类别划分到不同的客户端上的比例，行向量采样来自Dirichlet分布； Dirichlet分布的概率密度函数为： α＝α1,α2,...,αK,αi＞0 其中，x为符合要求的随机向量，而α为分布参数，其越大分布越接近均匀分布，越小则分布越聚集； 采用FedSGD算法，客户端和中央服务器进行迭代通信优化每个对应数据集下任务k的全局任务模型在第t次迭代过程中，客户端i从中央服务器下载得到当前全局模型参数并计算出参数梯度其中B为批量大小，为客户端在第k个数据集中经过批量采样和注意力机制筛选过的数据量，将计算得到的参数梯度发送到中央服务器； 确定恶意窃听者通过获取目标客户端发送的梯度参数和联邦学习模型对客户端的原始数据进行估计和还原，其攻击行为包括成员推理攻击、属性推理攻击、数据重构攻击； 根据任务对数据集进行关联度筛选；具体包括： 以批量大小B对每个客户端的数据集进行采样，使得第i个客户端进行训练的数据为 引入查询向量q，通过评分函数计算每个输入向量和查询向量之间的相关性，在给定一个和任务相关的查询向量q，在给定q和XB下，选择第i个输入向量的概率αi： 其中，αi为输入的第i个数据的受注意程度，对信息进行整合汇总为XB＝[x1α1,x2α1...,xBαB]＝[x1,x2,...,xB]； 将客户端发送给联邦学习中央服务器的数据采用设定的隐私加强技术进行加密处理； 根据具有代表性的攻击模型计算客户端的隐私性指标；具体包括： 通过计算每个客户端的模型的准确率，即分类正确的样本占比作为模型准确率指标；其中，分母为客户端k测试样本数据量，分子表示测试数据xi,test在经过模型分类后和原始标签是否一致，若一致则由count函数进行计数； 根据现有的DLG模型，随机生成一份和真实数据同样大小的虚拟数据x0和标签y0，将虚拟样本和标签输入到现有的客户端模型中得到虚拟的模型梯度G'，通过不断迭代计算缩小真假梯度之间的距离，不断更新客户端的原始数据直至完全逼近，假设估计出的原始数据为 计算不同任务对应数据集的跨域权重； 计算攻击得到的原始数据与原始样本的相似度，以确定客户端的隐私性指标； 根据设置的阈值判定客户端参与联邦学习时所上传数据的隐私泄露风险。

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：210000 江苏省南京市文苑路9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”。