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！

龙图腾网获悉重庆邮电大学申请的专利基于双质量阈值与联邦学习的医疗区块链数据共享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：CN119995888B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202411901370.2，技术领域涉及：H04L9/32；该发明授权基于双质量阈值与联邦学习的医疗区块链数据共享方法是由甘臣权;谭鑫;祝清意;祝烨设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本基于双质量阈值与联邦学习的医疗区块链数据共享方法在说明书摘要公布了：本发明涉及一种基于双质量阈值与联邦学习的医疗区块链数据共享方法，属于计算机技术领域。该方法为：1、发布节点发布任务并组建委员会；2、参与节点从区块链上下载全局模型参数，结合随机响应和差分隐私技术进行本地模型训练；3、完成训练的节点将本地模型参数上传给区块链，委员会选举挖矿节点从区块链下载所有交易并计算质量，只有通过质量阈值的节点才能参与模型聚合并计算贡献值作为其聚合权重；4、挖矿节点更新每个节点的声誉信息并与全局模型参数打包成新区块；5、其他委员会节点验证新区块，验证通过后新区块上链，同时调整委员会构成。本发明能抵御联邦学习中存在的投毒攻击问题，同时保护数据隐私并减少噪声对模型性能的影响。

本发明授权基于双质量阈值与联邦学习的医疗区块链数据共享方法在权利要求书中公布了：1.一种基于双质量阈值与联邦学习的医疗区块链数据共享方法，其特征在于：该方法包括以下步骤： S1：任务发布节点发布联邦学习训练任务，并将初始模型上传给区块链，所有节点在区块链上注册自己的信息，并从中随机选择节点组成委员会； S2：参与节点从区块链上下载最新的全局模型参数，利用本地数据集进行模型训练，并结合随机响应和差分隐私技术对模型梯度进行隐私保护； S3：完成训练的参与节点将本地模型参数以交易的方式上传给区块链；委员会选择声誉最高的节点为挖矿节点并通过每个参与节点的本地模型参数计算其训练质量来评估节点能否参与全局模型参数的聚合，然后计算参与节点以往参与聚合的参与度，最后通过节点训练质量、本地数据集和参与度来计算其贡献值，根据贡献值的权重聚合全局模型参数； S4：挖矿节点通过每个节点在本轮迭代训练中的表现并结合以往表现计算其声誉值和奖惩激励，将所有节点的声誉激励和全局模型参数打包成一个新区块； S5：其他委员会节点收到新的区块后进行验证，超过半数的委员会节点验证通过后，将新区块保存到区块链上，并对委员会的节点构成进行调整； 所述步骤S2具体过程包括：发布节点在一开始会将任务初始全局模型参数上传至区块链；首先参与节点从区块链上下载第e轮迭代最新的全局模型参数进行本地模型训练； 在本地数据集D中抽取每次迭代的小批次数据d，计算d中每条数据di的梯度对梯度进行梯度裁剪，裁剪之后的梯度为： 其中C为梯度裁剪阈值，上述公式表示当梯度的2范数小于裁剪阈值C时，梯度保留为原来的值，当梯度的2范数大于裁剪阈值C时，梯度被限制在C；根据敏感度的定义计算敏感度为： 其中D为本地数据集大小；通过计算得到的敏感度可以计算噪声尺度，采用高斯噪声噪声尺度为： 其中εk＝εEG，ε为全局隐私预算，EG为全局训练轮次，εk指的是暴露节点当前这一轮信息所消耗的隐私预算，δ为信息泄露的概率；将随机响应引入差分隐私机制中对梯度进行噪声干扰，干扰后的梯度为： 其中ri是随机概率；最后对第k轮本地训练模型参数进行更新： 其中第一轮迭代中要替换为初始全局模型参数γ为学习率，为噪声干扰之后的梯度集合。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区崇文路2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。