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！

龙图腾网获悉清华大学申请的专利基于互信息的纵向联邦学习攻击防御方法及装置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：CN116074065B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202211715007.2，技术领域涉及：H04L9/40；该发明授权基于互信息的纵向联邦学习攻击防御方法及装置是由刘洋;邹恬圆;张亚勤设计研发完成，并于2022-12-29向国家知识产权局提交的专利申请。

本基于互信息的纵向联邦学习攻击防御方法及装置在说明书摘要公布了：本发明提供一种基于互信息的纵向联邦学习攻击防御方法及装置，其中方法包括：获取纵向联邦学习模型的被动方输出的第一编码表示，所述第一编码表示是将所述被动方的本地数据输入至所述被动方的本地模型获得的；将所述第一编码表示输入至正则项模块，对所述第一编码表示混入噪声，获得所述正则项模块输出的第二编码表示，所述第二编码表示用于与第三编码表示共同获得预测结果，所述第三编码表示是所述纵向联邦学习模型的主动方将所述主动方的本地数据输入至所述主动方的本地模型获得的；其中，所述防御方为所述主动方或所述被动方。本发明提供的基于互信息的纵向联邦学习攻击防御方法及装置，提高了纵向联邦学习的安全性。

本发明授权基于互信息的纵向联邦学习攻击防御方法及装置在权利要求书中公布了：1.一种基于互信息的纵向联邦学习攻击防御方法，其特征在于，应用于防御方，包括： 获取纵向联邦学习模型的被动方输出的第一编码表示，所述第一编码表示是将所述被动方的本地数据输入至所述被动方的本地模型获得的； 将所述第一编码表示输入至正则项模块，对所述第一编码表示混入噪声，获得所述正则项模块输出的第二编码表示，所述第二编码表示用于与第三编码表示共同获得预测结果，所述第三编码表示是所述纵向联邦学习模型的主动方将所述主动方的本地数据输入至所述主动方的本地模型获得的； 其中，所述防御方为所述主动方或所述被动方； 其中，所述将所述第一编码表示输入至正则项模块，对所述第一编码表示混入噪声，获得所述正则项模块输出的第二编码表示，包括： 基于所述第一编码表示获得混噪参数； 基于所述混噪参数获得混噪结果； 对所述混噪结果进行解码，获得所述第二编码表示； 其中，所述混噪参数包括期望参数和标准差参数，所述期望参数和所述标准差参数用于确定噪声正态分布函数，所述噪声正态分布函数用于生成所述混噪结果； 其中，所述基于所述混噪参数获得混噪结果，包括： 对标准正态分布函数进行随机采样，获得随机噪声； 根据所述随机噪声在所述噪声正态分布函数中采样，获得所述混噪结果； 其中，所述纵向联邦学习模型是经过如下步骤训练获得的： 根据所述主动方的本地数据样本、与主动方的本地数据样本一一对应的所述被动方的本地数据样本以及与所述主动方的本地数据样本一一对应的样本标签对初始的纵向联邦学习模型进行训练； 通过损失函数对所述初始的纵向联邦学习模型进行参数更新，获得所述纵向联邦学习模型； 其中，损失函数包括第一分量和第二分量，所述第一分量用于指示预测结果与所述样本标签之间的差异，所述第二分量用于指示混噪结果与第一编码表示之间的互信息量。

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清华大学，其通讯地址为：100084 北京市海淀区双清路30号清华大学清华园北京100084-82信箱；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”。