Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)吴晓明获国家专利权

齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)吴晓明获国家专利权

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!

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)申请的专利基于动量优化的异构联邦学习自适应保隐私方法和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:CN120145456B

龙图腾网通过国家知识产权局官网在2025-08-01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:202510607890.0,技术领域涉及:G06F21/62;该发明授权基于动量优化的异构联邦学习自适应保隐私方法和装置是由吴晓明;刘腾;杨明;王鑫;陈振娅;刘臣胜;穆超;贺云鹏;吴法宗;徐硕设计研发完成,并于2025-05-13向国家知识产权局提交的专利申请。

基于动量优化的异构联邦学习自适应保隐私方法和装置在说明书摘要公布了:本发明属于联邦学习隐私保护的技术领域,更具体地,涉及基于动量优化的异构联邦学习自适应保隐私方法和装置。所述方法包括:接收中心服务器广播的特征提取器参数,并基于本地数据集计算当前迭代轮次的本地梯度,对于分类器部分,在本地梯度更新中引入动量机制;应用梯度下降算法,利用计算得到的本地梯度更新本地模型参数;对于特征提取器部分,计算Fisher信息矩阵;对各层Fisher信息进行归一化处理,并筛选策略;然后进行差分隐私处理,再上传至中心服务器进行参数聚合,并将更新后的全局模型参数广播回各个本地客户端,以进行下一轮训练。本发明解决了差分隐私机制对模型训练的负面影响以及导致模型收敛慢、隐私保护效果差的问题。

本发明授权基于动量优化的异构联邦学习自适应保隐私方法和装置在权利要求书中公布了:1.基于动量优化的异构联邦学习自适应保隐私方法,其特征在于,所述方法包括: S1:客户端接收中心服务器广播的特征提取器参数,在本地损失函数中引入动量机制,并基于本地数据集计算当前迭代轮次的本地梯度; S2:应用梯度下降算法,利用计算得到的本地梯度更新本地模型参数; S3:对于特征提取器参数,计算Fisher信息矩阵,并对各层Fisher信息进行归一化处理,基于参数的重要性筛选策略,识别对损失函数贡献较小的参数并进行稀疏化; S4:将经过Fisher信息筛选和稀疏化后的特征提取器参数进行差分隐私处理,然后上传至中心服务器进行参数聚合,并将更新后的全局模型参数广播回各个本地客户端,以进行下一轮训练; 所述S1具体包括: S11、基于动量机制对于分类器部分进行改进,将分类器部分损失函数优化为: (1); 公式(1)中,是交叉熵函数,代表第i个客户端第t轮全局迭代的第r轮本地迭代中的特征提取器参数和分类器参数,代表动量系数,代表第i个客户端第t轮全局迭代的第r轮本地迭代中的分类器参数,代表第i个客户端第t轮全局迭代的第r-1轮本地迭代中的分类器参数; 对于使用动量机制的分类器参数,经过T次全局迭代后,T为全局总的迭代次数,得到以下收敛界限: ; 公式(2)中,E表示期望,表示梯度,表示代表第i个客户端第t轮全局迭代的分类器参数;,表示学习率,代表动量系数;,表示第i个客户端最初的全局迭代的分类器参数,表示第i个客户端第T-1轮全局迭代的分类器参数,代表总本地迭代轮数,L代表交叉熵函数的Lipschitz系数,m代表本地数据的批量梯度估计的方差; 其中,,; 当收敛界限最小时,存在一个最优的,即收敛效果最好; S12、客户端i使用本地数据集计算当前迭代轮次的本地梯度; (3); (4); 公式(3)~(4)中,表示客户端i在第t轮迭代的第r轮本地迭代中分类器的本地梯度;表示客户端i在第t轮迭代的第r轮本地迭代中特征提取器的本地梯度;代表第i个客户端第t轮全局迭代的第r轮本地迭代中的特征提取器参数;代表第i个客户端第t轮全局迭代的第r轮本地迭代中的分类器参数;表示本地数据集中的第个样本;表示交叉熵函数基于样本b得到的样本梯度,表示客户端的本地数据集中的样本总数,代表动量系数。

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齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心),其通讯地址为:250000 山东省济南市长清区西部新城大学科技园;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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。