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！

龙图腾网获悉华侨大学申请的专利一种基于个性化信息分离的异构联邦学习方法及系统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：CN119849602B 。

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：202510315540.7，技术领域涉及：G06N3/098；该发明授权一种基于个性化信息分离的异构联邦学习方法及系统是由周长利;张祖琪;朱文龙;陈祖希;江振宇;梅萌;徐中伟设计研发完成，并于2025-03-18向国家知识产权局提交的专利申请。

本一种基于个性化信息分离的异构联邦学习方法及系统在说明书摘要公布了：本发明公开了一种基于个性化信息分离的异构联邦学习方法及系统，方法包括以下步骤：客户端利用特征提取器提取原始数据集的特征信息，分离出特征信息中的个性化信息，并发送到服务器；服务器利用个性化信息训练生成器，并将训练好的生成器广播给客户端；客户端使用接收到的生成器生成增强样本，与原始数据集一起形成扩展数据集；服务器与客户端使用联邦学习的方式训练模型，其中客户端使用扩展数据集训练局部模型，服务器通过聚合各个客户端的局部模型更新全局模型。本发明通过分离出个性化信息训练一个生成器，再通过该生成器扩展数据集，解决数据异构性问题并同时提高通信效率。

本发明授权一种基于个性化信息分离的异构联邦学习方法及系统在权利要求书中公布了：1.一种基于个性化信息分离的异构联邦学习方法，其特征在于，包括以下步骤： 客户端利用特征提取器提取原始数据集的特征信息并分离出特征信息中的个性化信息，发送到服务器； 服务器利用个性化信息训练生成器，并将训练好的生成器广播给客户端； 客户端使用接收到的生成器生成增强样本，与原始数据集一起形成扩展数据集； 服务器与客户端使用联邦学习的方式训练模型，其中，客户端使用扩展数据集训练局部模型，服务器通过聚合各个客户端的局部模型更新全局模型； 所述客户端利用特征提取器提取原始数据集的特征信息并分离出特征信息中的个性化信息，包括以下步骤： 对输入数据进行预处理后，通过VAE模型提取特征信息； 基于划分策略将特征信息划分为全局信息和个性化信息； 所述基于划分策略将特征信息划分为全局信息和个性化信息，采用的划分策略包括基于信息瓶颈IB，IB目标函数表示为： 其中，为似然项，表示最大化IZ；Y，DKLpz|x‖rz为KL散度约束Z的分布，表示最小化IZ；X；β为一个拉格朗日乘子；qy|z和rz均表示变分分布；pz|x表示在给定X的情况下Z的条件概率分布； 所述客户端将个性化信息发送到服务器之前，采用差分隐私对个性化信息进行加密，具体包括以下步骤： 在个性化信息中添加噪声，表示为： 其中，表示加密后的个性化信息，xi表示个性化信息，Noise表示使用差分隐私添加的噪声，Δf表示敏感度，∈表示隐私预算； 跟踪并限制添加的噪声总量，表示为： Pr[MD＝S]≤expε·Pr[MD′＝S]； 其中，D和D'分别表示两个相邻数据集，两个数据集之间只相差一个样本；M表示随机算法，S表示随机算法M的一个可能输出；Pr[MD＝S]表示当输入数据集为D时，随机算法M输出S的概率；Pr[MD'＝S]表示当输入数据集为D'时，随机算法M输出S的概率； 所述服务器与客户端使用联邦学习的方式训练模型，包括以下步骤： 初始化步骤，服务器初始化一个全局模型及其参数，发送给客户端； 局部更新步骤，每个客户端接收到全局模型及其参数后，利用扩展数据集进行训练，训练好的模型的参数提取出来，上传到服务器； 全局更新步骤，服务器收集来自所有客户端的模型参数，对所有模型参数进行聚合作为新的全局模型参数；利用新的全局模型参数更新全局模型，并分发给客户端； 迭代步骤，重复局部更新步骤和全局更新步骤，直到全局模型达到预设的收敛条件或达到预设的训练轮数，获得训练好的全局模型。

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华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269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”。