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！

龙图腾网获悉腾讯科技(深圳)有限公司申请的专利纵向联邦学习中的计算方法、装置、设备及介质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：CN112132293B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202011064959.3，技术领域涉及：G06N20/20；该发明授权纵向联邦学习中的计算方法、装置、设备及介质是由程勇;符芳诚;肖品;陶阳宇设计研发完成，并于2020-09-30向国家知识产权局提交的专利申请。

本纵向联邦学习中的计算方法、装置、设备及介质在说明书摘要公布了：本申请公开了一种纵向联邦学习中的计算方法、装置、设备及介质，涉及人工智能中的联邦学习领域。本申请通过采用多叉树拓扑部署的多个参与节点，一个上层参与节点具有k个下层参与节点，由上层参与节点和k个下层参与节点交换双方的公钥后，上层参与节点与下层参与节点以第一公钥和第二公钥作为加密参数进行两方联合安全计算，得到联邦模型的k个两方联合输出；进而由上层参与节点将k个两方联合输出合并，得到联邦模型对应的第一联合模型输出。从而提供了一种多叉树拓扑部署的纵向联邦学习架构，提高各个参与节点在纵向联邦学习过程中的平等性。

本发明授权纵向联邦学习中的计算方法、装置、设备及介质在权利要求书中公布了：1.一种纵向联邦学习中的计算方法，其特征在于，应用于上层参与节点，所述上层参与节点在采用多叉树拓扑部署的多个参与节点中具有k个下层参与节点，每个所述参与节点中本地部署有联邦模型中的一个子模型，k为大于1的整数，所述方法包括： 向所述k个下层参与节点分发所述上层参与节点对应的第一公钥，以及获取所述k个下层参与节点分别对应的k个第二公钥； 随机生成第一网络参数和第一随机掩码，所述第一网络参数是所述上层参与节点本地部署的子模型的网络参数； 向第i个下层参与节点发送第一加密值，以及接收所述第i个下层参与节点发送的第二加密值，所述第一加密值是基于同态加密技术采用所述第一公钥对所述第一随机掩码加密得到的，所述第二加密值是基于同态加密技术采用第i个第二公钥对第二随机掩码加密得到的，i的取值范围为1至k； 向所述第i个下层参与节点发送第三加密值，以及接收所述第i个下层参与节点发送的第四加密值，所述第三加密值是采用所述第二加密值和第二随机数对第一数据加密后的值，所述第四加密值是所述第i个下层参与节点采用所述第一加密值和第一随机数对第二数据加密后的值，所述第一数据是所述上层参与节点中的数据，所述第二数据是所述第i个下层参与节点中的数据；所述第二随机数由所述上层参与节点生成，所述第一随机数由所述下层参与节点生成； 计算第一本方输出，以及接收所述第i个下层参与节点发送的第二本方输出，所述第一本方输出是根据所述第四加密值的解密值、所述上层参与节点的数据、所述第一网络参数和所述第二随机数计算得到的，所述第二本方输出是所述第i个下层节点采用所述第三加密值的解密值、所述第i个下层参与节点的数据、第二网络参数和所述第一随机数计算得到的； 将所述第一本方输出和所述第二本方输出相加，得到所述第i个两方联合输出；所述第一本方输出和所述第二本方输出包括所述上层参与节点和所述下层参与节点基于同态加密方式联合使用各自的数据对所述子模型执行前向计算的计算结果； 将k个两方联合输出合并，得到所述上层参与节点和所述k个下层参与节点对应的多方联合输出。

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腾讯科技(深圳)有限公司，其通讯地址为：518057 广东省深圳市南山区高新区科技中一路腾讯大厦35层；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”。