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任务分配隐私保护方法、装置、设备及存储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：CN120162815B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510103377.8，技术领域涉及：G06F21/62；该发明授权任务分配隐私保护方法、装置、设备及存储介质是由彭滔;谭毓鸿;王国军;池泽宇;吴兴毅;管艺设计研发完成，并于2025-01-22向国家知识产权局提交的专利申请。

本任务分配隐私保护方法、装置、设备及存储介质在说明书摘要公布了：本申请涉及移动群智感知技术领域。本申请公开了一种任务分配隐私保护方法、装置、设备及存储介质，其能够提高任务分配的准确度。所述任务分配隐私保护方法包括接收当前环境的第一状态图，其中，所述第一状态图是由至少一个用户属性信息和至少一个任务信息构建而成，每个所述用户属性信息均是利用拉普拉斯机制进行加噪处理而得到的满足差分隐私的信息；采用基于图注意力机制的NoisyD3QN‑G算法对所述第一状态图进行处理，获得任务分配结果。

本发明授权任务分配隐私保护方法、装置、设备及存储介质在权利要求书中公布了：1.一种任务分配隐私保护方法，其特征在于，包括： 接收当前环境的第一状态图，其中，所述第一状态图是由至少一个用户属性信息和至少一个任务信息构建而成，每个所述用户属性信息均是利用拉普拉斯机制进行加噪处理而得到的满足差分隐私的信息； 采用基于图注意力机制的NoisyD3QN-G算法对所述第一状态图进行处理，获得任务分配结果； 所述任务分配隐私保护方法还包括所述基于图注意力机制的NoisyD3QN-G算法的训练步骤，所述基于图注意力机制的NoisyD3QN-G算法的训练步骤包括：接收历史环境的第二状态图；将所述第二状态图输入到原始NoisyD3QN-G算法中带噪声网络的动作网络进行Q值计算，获得第一Q值；选择所述第一Q值最大的第一动作；将所述第一动作发送给所述历史环境后，接收所述历史环境根据所述第一动作反馈的下一个状态图和奖励；将所述第二状态图、所述第一动作、所述奖励和所述下一个状态图作为一条经验存入经验回放区，并将所述经验回放区内的所有经验进行优先级排序处理；在所述经验回放区的所有经验的数量达到或者超过一个预设批次训练数据的要求时，对所述经验回放区进行优先级随机采样获得经验样本，并将所述经验样本输入所述动作网络进行Q值计算，获得第二Q值，将所述经验样本输入所述原始NoisyD3QN-G算法中的目标网络进行Q值计算，获得第三Q值；基于所述第二Q值和所述第三Q值计算损失函数；基于所述损失函数调整所述动作网络的第一网络参数，并采用软更新策略对目标网络的第二网络参数进行更新处理，获得所述基于图注意力机制的NoisyD3QN-G算法； 所述将所述第二状态图输入到原始NoisyD3QN-G算法中带噪声网络的动作网络进行Q值计算，获得第一Q值的步骤包括：设置第一权重、第二权重、第一偏置、第二偏置和噪声因子；利用噪声因子从标准正态分布生成与目标线性层对应的第一随机噪声和第二随机噪声，所述目标线性层是所述噪声网络中的任意一个线性层；基于所述第一权重、所述第二权重、所述第一偏置、所述第二偏置、所述第一随机噪声和所述第二随机噪声计算获得所述目标线性层的第三权重和第三偏置；使用所述第三权重和所述第三偏置进行前向传播，得到与所述目标线性层对应的带噪声输出；在得到所有线性层对应的带噪声输出之后，对所述第二状态图进行Q值计算，获得所述第一Q值； 所述对所述第二状态图进行Q值计算，获得所述第一Q值的步骤包括：将所述第二状态图的所有节点的原始特征嵌入到用户向量和任务向量；采用第一图注意力机制对所述用户向量和所述第二状态图中的用户节点和任务节点之间边的集合进行处理，得到用户特征表示；采用第二图注意力机制对所述任务向量和所述第二状态图中的用户节点和任务节点之间边的集合进行处理，得到任务特征表示；采用预设算法计算注意力因子；基于所述注意力因子、所述用户特征表示和所述任务特征表示计算获得状态和第二动作；基于所述状态和所述第二动作计算获得所述第一Q值。

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”。