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！

龙图腾网获悉绵阳师范学院申请的专利基于隐私计算的物联网设备端数据协同建模及推理方法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：CN120850324B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202511351915.1，技术领域涉及：G06F21/60；该发明授权基于隐私计算的物联网设备端数据协同建模及推理方法是由汤琳;李敏;孙利民;黄智;王腾;孙煜东设计研发完成，并于2025-09-22向国家知识产权局提交的专利申请。

本基于隐私计算的物联网设备端数据协同建模及推理方法在说明书摘要公布了：本发明涉及基于隐私计算的物联网设备端数据协同建模及推理方法，包括协同建模与协同推理两部分：协同建模时，先识别并定位本地数据中的高维敏感字段，采用自适应差分隐私技术进行预处理构建本地训练集，通过联邦学习框架进行分层训练，底层执行梯度下降计算，上层通过动态加密参数交换机制实现跨设备参数协同更新，协同服务器对加密梯度参数加权聚合生成全局梯度参数，设备端解密后更新本地模型并反向优化预处理过程。协同推理时对预处理后的待推理数据初步推理，通过安全多方计算协议协同得到全局推理结果并验证。实现了物联网设备数据可用不可见，在强化隐私保护精准性与灵活性的同时提升分布式建模效率与推理可靠性。

本发明授权基于隐私计算的物联网设备端数据协同建模及推理方法在权利要求书中公布了：1.基于隐私计算的物联网设备端数据协同建模方法，其特征在于，包括以下步骤： S1：各物联网设备端获取本地数据，识别并定位本地数据中的高维敏感字段，采用自适应差分隐私技术对本地数据进行预处理； S2：各物联网设备端基于预处理后的数据构建本地训练集，采用联邦学习框架进行分层训练，底层基于本地训练集执行梯度下降计算迭代优化本地模型参数； S3：上层通过动态加密参数交换机制实现跨设备参数协同更新，根据参数的敏感系数选择同态加密算法的加密层级，且仅将加密后的梯度参数上传至协同服务器； S4：协同服务器接收各设备端上传的加密梯度参数，调用与加密层级匹配的聚合算法进行加权聚合，生成全局梯度参数； S5：各物联网设备端接收加密的全局梯度参数，使用本地密钥解密后更新本地模型参数，同时根据解密结果反向优化步骤S1中的数据预处理过程；重复执行步骤S1至S4，直至全局模型的损失函数值收敛至预设阈值，得到协同训练完成的全局模型； 步骤S5中使用本地密钥解密后更新本地模型参数，同时根据解密结果反向优化步骤S1中的数据预处理过程具体如下： S51：设备端根据全局梯度参数的加密层级标识，调用对应的本地密钥进行解密：对于全同态加密的高敏感梯度参数，使用本地保存的私钥解密，得到高敏感全局梯度Ghigh；对于部分同态加密的中敏感梯度参数，通过预设的解密算法得到中敏感全局梯度Gmid；对于轻量级加密的低敏感梯度参数，使用共享对称密钥解密，得到低敏感全局梯度Glow； 设备端将解密后的全局梯度与本地模型当前参数融合，采用梯度下降更新公式调整参数：更新后的本地模型参数θnew=θold‑η×Ghigh+Gmid+Glow； 其中，θold为更新前的本地模型参数，η为学习率； S52：基于梯度特征进行噪声强度调整，基于模型性能的隐私预算重分配，基于数据分布偏差的敏感字段识别优化。

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绵阳师范学院，其通讯地址为：621000 四川省绵阳市游仙区仙人路1段30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”。

以上内容由龙图腾AI智能生成。