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！

龙图腾网获悉广州大学申请的专利基于联邦学习的自适应隐私预算分配的梯度压缩框架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：CN115496198B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202210938530.5，技术领域涉及：G06N3/098；该发明授权基于联邦学习的自适应隐私预算分配的梯度压缩框架是由陈淑红;杨家维;王国军;揭智勇;彭滔;冯光辉设计研发完成，并于2022-08-05向国家知识产权局提交的专利申请。

本基于联邦学习的自适应隐私预算分配的梯度压缩框架在说明书摘要公布了：本发明公开了一种基于联邦学习的自适应隐私预算分配的梯度压缩框架，包括：基于Top‑k的梯度降维压缩模块、基于本地差分隐私的隐私保护模块、通信轮次的参数聚合模块、自适应的隐私预算分配模块；客户端将自己训练得到的梯度参数上传到服务器前，通过基于Top‑k的梯度降维压缩模块对当前的梯度参数进行压缩，随后，通过基于本地差分隐私的隐私保护模块对梯度参数进行扰动，随后将压缩和扰动后的梯度参数上传到服务器，服务器将客户端上传的梯度参数进行聚合；最后通过自适应的隐私预算分配模块在不同轮次的训练中根据需要的噪声量分配隐私预算。本发明减少了模型的通信代价、噪声大小、总的隐私预算的损耗，模型准确性好。

本发明授权基于联邦学习的自适应隐私预算分配的梯度压缩框架在权利要求书中公布了：1.一种基于联邦学习的自适应隐私预算分配的梯度压缩框架，其特征在于，包括：基于Top-k的梯度降维压缩模块、基于本地差分隐私的隐私保护模块、通信轮次的参数聚合模块、自适应的隐私预算分配模块；客户端将自己训练得到的梯度参数上传到服务器前，通过所述基于Top-k的梯度降维压缩模块对当前的梯度参数进行压缩，随后，通过所述基于本地差分隐私的隐私保护模块对所述梯度参数进行扰动，随后将压缩和扰动后的梯度参数上传到服务器，服务器将客户端上传的梯度参数进行聚合；最后，通过所述自适应的隐私预算分配模块在不同轮次的训练中根据需要的噪声量分配隐私预算； 所述基于Top-k的梯度降维压缩模块在客户端完成本地迭代训练后，计算本地模型的梯度d维模型参数的对应梯度为其中t为通信轮次； 所述基于Top-k的梯度降维压缩模块在模型参数的d维中选择梯度绝对值最大的前K个维度上传，其中Kd；根据每一维度的绝对值大小对本地模型梯度进行排序：其中，排序算法sort按降序方法排序，表示经过排序后的梯度，梯度的大小根据维度依次递减；排序后从排序好的d维梯度参数中选取前K个维度作为压缩后的模型：其中，TopK表示的是梯度压缩方案，表示经过压缩后的梯度。

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广州大学，其通讯地址为：510006 广东省广州市大学城外环西路230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”。