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！

龙图腾网获悉西安邮电大学申请的专利一种基于更新残差的差分隐私联邦遗忘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：CN120822640B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202511293866.0，技术领域涉及：G06N20/00；该发明授权一种基于更新残差的差分隐私联邦遗忘学习方法及系统是由王腾;宋俊颖;吕梦娇;屈佳妮;周昱希;禹勇;胡陟;杨腾飞;张雪锋设计研发完成，并于2025-09-11向国家知识产权局提交的专利申请。

本一种基于更新残差的差分隐私联邦遗忘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更新残差的差分隐私联邦遗忘学习方法及系统，方法包括：服务器将当前的全局模型发送到客户端；客户端对当前的全局模型进行联邦学习周期训练；通过对全局模型进行差分隐私保护生成本地模型更新；服务器通过周期加权聚合策略对所有客户端上传的更新进行整合；目标客户端通过遗忘请求启动计算客户端在历史训练中的加权更新残差；通过加权更新残差从全局模型中移除目标客户端的所有历史加权更新残差得到遗忘模型。本发明通过差分隐私实现遗忘模型与重训练模型在统计意义上不可区分，采取周期加权聚合提升模型对本地数据的学习能力，采用更新残差来量化要遗忘客户端的增量效应，移除所有的历史加权更新残差来实现联邦遗忘。

本发明授权一种基于更新残差的差分隐私联邦遗忘学习方法及系统在权利要求书中公布了：1.一种基于更新残差的差分隐私联邦遗忘学习方法，其特征在于，包括： 服务器将当前的全局模型发送到多个客户端； 所述客户端通过重要性采样策略和本地数据对当前的所述全局模型进行联邦学习周期训练； 所述客户端对经过所述联邦学习周期训练后的全局模型进行差分隐私保护生成本地模型更新； 所述客户端将所述本地模型更新上传到所述服务器； 所述服务器通过周期加权聚合策略对所有所述客户端上传的所述本地模型更新进行整合得到更新全局模型； 目标的所述客户端通过遗忘请求启动所述服务器计算所述客户端在历史训练中的加权更新残差； 所述服务器通过所述加权更新残差从当前的所述全局模型中移除目标的所述客户端的所有历史加权更新残差得到遗忘模型； 根据遗忘客户端的更新和全局更新的对齐程度来计算遗忘客户端在第轮的更新残差的权重； 利用余弦相似度来衡量遗忘客户端更新和全局更新的对齐程度，计算公式为: 其中表示内积运算符，表示向量的范数，ReLU函数保证结果为正数； 则遗忘客户端在第轮的更新残差的权重为: 从当前全局模型中移除目标客户端的所有历史加权更新残差，生成遗忘模型：当客户端在轮后提出遗忘时，由当前的全局模型减去客户端的所有历史加权更新残差即可得到遗忘模型，即： 。

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西安邮电大学，其通讯地址为：710121 陕西省西安市长安区西长安街618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。