上海交通大学刘承轩获国家专利权
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！
龙图腾网获悉上海交通大学申请的专利一种面向信息中心网络的群体强化学习的隐私保护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：CN119358024B 。
龙图腾网通过国家知识产权局官网在2026-02-17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：202411578571.3，技术领域涉及：G06F21/62；该发明授权一种面向信息中心网络的群体强化学习的隐私保护方法是由刘承轩;陈黎兴;唐俊华;李建华;李高磊;杨家瑾设计研发完成，并于2024-11-06向国家知识产权局提交的专利申请。
本一种面向信息中心网络的群体强化学习的隐私保护方法在说明书摘要公布了：本发明公开了一种面向信息中心网络的群体强化学习的隐私保护方法，涉及机器学习领域。本发明通过对节点向外部发出的信息进行隐私泄露分析，以数值化的方式计算产生的隐私数据泄露损失，作为泄露程度的衡量标准；用户可以根据模型运行环境的安全程度及用户模型安全需求对隐私预算进行自定义；当超出自定义隐私预算上限时，将节点退出群体学习的模型更新，防止本地隐私数据泄露的可能。本发明防止参与节点的隐私泄露，保护节点的数据安全；部署成本代价极低，安全性好，且鲁棒性较强，性能可靠。
本发明授权一种面向信息中心网络的群体强化学习的隐私保护方法在权利要求书中公布了：1.一种面向信息中心网络的群体强化学习的隐私保护方法，其特征在于，包括在用户本地设置隐私数据泄露风险计算器； 通过部分观测理论，计算用户每轮共享参数时产生的隐私损失； 数值化用户本地私人数据的隐私泄露风险； 在用户参与群体学习框架的每轮聚合前，对分享的数据进行隐私保护； 通过差分隐私技术，在用户每次执行共识阶段分享参数之前，根据高斯机制对将要分享的模型参数加入指定大小的噪声； 用户自定义安全保护强度和，保护粒度包括完整的群体学习过程和每轮的聚合过程； 用户具有自定义隐私预算上限的阈值的权限； 所述每轮聚合前，用户根据高斯机制，自定义合适的噪声大小； 根据聚合过程中的信息传递动态地计算隐私损失；采用差分隐私加密机制对模型参数共享过程进行加噪；使用部分观测理论，从攻击者角度分析可能收集到的受害者用户本地隐私数据的相关信息，计算用户在分享本地模型参数时导致的隐私损失；在多轮用户模型参数共享后，累计隐私损失超过预先设定的隐私预算上限，保留当前模型参数作为最终结果，从群体网络中退出。
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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励