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！

龙图腾网获悉江苏开放大学(江苏城市职业学院)申请的专利一种基于联邦学习与差分隐私保护的碳排放预测方法和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：CN120910914B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202511438071.4，技术领域涉及：G06F21/62；该发明授权一种基于联邦学习与差分隐私保护的碳排放预测方法和系统是由王珂;姜春艳;冯洁玉设计研发完成，并于2025-10-10向国家知识产权局提交的专利申请。

本一种基于联邦学习与差分隐私保护的碳排放预测方法和系统在说明书摘要公布了：本发明公开了一种基于联邦学习与差分隐私保护的碳排放预测方法和系统，属于碳排放预测技术领域，方法包括：对各参与方的本地模型进行可靠性分析；动态隐私预算分配以及质量感知噪声调节，以对本地模型参数进行差分隐私保护；自适应改进全局模型的聚合策略，并对所有参与方隐私保护后的模型参数进行聚合，生成新的全局模型；在联邦学习的框架下以多轮迭代训练的方式优化全局模型，直至生成最终的全局模型；利用最终的全局模型分别对各参与方进行碳排放预测。本发明能够解决现有技术中数据孤岛、隐私泄露、建模精度不足以及数据非独立同分布下收敛困难的问题，实现在保护数据隐私的前提下，高精度、强鲁棒性的进行碳排放预测。

本发明授权一种基于联邦学习与差分隐私保护的碳排放预测方法和系统在权利要求书中公布了：1.一种基于联邦学习与差分隐私保护的碳排放预测方法，其特征在于，包括： 分别对参与协同建模的各参与方的本地模型进行本地训练，所述本地模型为初始化的全局模型，且在本地训练时，分别对各参与方的历史碳排放监测数据进行预处理； 从数据质量和模型质量两方面对本地训练后的本地模型进行可靠性分析，得到可靠性评分； 利用各参与方的可靠性评分进行动态隐私预算分配以及质量感知噪声调节，以对各参与方本地训练后的本地模型参数进行差分隐私保护；具体为： 构建次全局迭代时的收敛感知因子： ； 其中，和分别为和次全局迭代时的全局模型参数，为收敛判断方差参数，为L2范数的平方，为自然指数函数； 利用各参与方的可靠性评分和收敛感知因子，进行动态隐私预算分配； ； 其中，为次全局迭代时分配的动态隐私预算，为基础隐私预算，为所有参与方可靠性评分的均值，为全局迭代的总轮次，、和分别为、和所对应的权重； 利用各参与方的可靠性评分，构建质量感知噪声调节函数，计算噪声方差，并对本利模型训练后的参数进行自适应噪声的添加； ； ； ； 其中，为参与方的质量感知噪声调节函数，为参与方的可靠性评分，为设定的可靠性评分阈值，为参与方在第轮全局训练中添加的高斯噪声的方差，为差分隐私中的失败概率，为梯度或参数更新后全局敏感度平方的变化量，为在第轮全局训练中参与方的本地模型参数，为在第轮全局训练中参与方添加噪声后的本地模型参数；为单位矩阵，为均值为0，协方差矩阵为的多元高斯分布的噪声； 根据各参与方的可靠性评分以及获取的本地模型参数的异常检测情况来自适应改进全局模型的聚合策略，并基于改进后的聚合策略对所有参与方隐私保护后的模型参数进行聚合，生成新的全局模型；在联邦学习的框架下以多轮迭代训练的方式优化全局模型，直至生成最终的全局模型； 基于各参与方的碳排放监测数据，利用最终的全局模型对各参与方分别进行碳排放预测。

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江苏开放大学(江苏城市职业学院)，其通讯地址为：210036 江苏省南京市鼓楼区江东北路399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。