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！

龙图腾网获悉浪潮软件科技有限公司申请的专利基于差分隐私的联邦学习安全训练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：CN121119057B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202511658009.6，技术领域涉及：G06N3/098；该发明授权基于差分隐私的联邦学习安全训练方法及系统是由林一伟;张峰;李照川;彭朝晖;王冠军;韩子杭;孙源;郭凤;张钰辰设计研发完成，并于2025-11-13向国家知识产权局提交的专利申请。

本基于差分隐私的联邦学习安全训练方法及系统在说明书摘要公布了：本发明公开了基于差分隐私的联邦学习安全训练方法及系统，属于人工智能技术领域，要解决的技术问题为：如何实现跨机构模型训练中的数据隐私保护与模型精度平衡。包括：构建包括多个客户端和一个服务器的分布式结构；各客户端在每轮本地训练结束后，以梯度特征、隐私预算系数、数据敏感等级系数以及训练阶段系数作为计算参数构建噪声方差计算模型，根据噪声方差计算高斯噪声；验证每轮的噪声方差，基于累计预算消耗与全局隐私预算的比对结果调整噪声方差的计算参数；对本地训练数据的数据敏感等级以及客户端的预算分配比例进行动态分配；服务器通过秘密共享算法进行安全聚合，将更新的全局模型参数分发至各客户端。

本发明授权基于差分隐私的联邦学习安全训练方法及系统在权利要求书中公布了：1.一种基于差分隐私的联邦学习安全训练方法，其特征在于，包括如下步骤： 分布式架构部署：构建包括多个客户端和一个服务器的分布式结构，服务器中部署有全局模型，客户端中部署有训练数据和本地模型，基于训练阶段以及本地训练数据的数据敏感等级制定各客户端的预算分配比例； 噪声生成：各客户端在每轮本地训练结束后，提取梯度特征，以梯度特征、隐私预算系数、数据敏感等级系数以及训练阶段系数作为计算参数构建噪声方差计算模型，根据噪声方差计算高斯噪声； 差分隐私模型构建：每个客户端基于差分隐私要求验证每轮的噪声方差，服务器实时监控并统计各客户端的累计预算消耗，基于累计预算消耗与全局隐私预算的比对结果调整噪声方差的计算参数； 动态隐私预算分配：服务器检测到某个客户端中本地训练数据的分布发生变化时，对本地训练数据的数据敏感等级以及客户端的预算分配比例进行动态分配； 跨机构聚合：每个客户端将添加高斯噪声的本地梯度参数加密上传服务器，服务器通过秘密共享算法进行安全聚合，将更新的全局模型参数分发至各客户端，每个客户端基于更新的全局模型参数进行本地模型更新，并执行下一轮本地训练，直至达到结束条件； 对于每个客户端，噪声生成包括如下步骤： 梯度特征分析：通过梯度扰动强度自适应调节算法提取当前梯度的关键特征作为梯度特征，梯度特征包括梯度向量的L2范数、梯度更新率以及训练数据的数据敏感等级，其中，梯度向量的L2范数衡量梯度幅值，梯度更新率为当前轮次与上一轮次梯度差异率，数据敏感等级由相关机构预定义； 噪声方差计算：以梯度特征、隐私预算系数、数据敏感等级系数以及训练阶段系数作为计算参数构建噪声方差计算模型，噪声方差计算模型表示为： ， 其中，表示隐私预算系数，由服务器下发，表示数据敏感等级系数，表示梯度向量的L2范数，表示训练阶段系数，训练阶段分为初始迭代期、快速收敛期和稳定优化期； 噪声添加：根据计算得到的噪声方差生成高斯噪声，高斯噪声服从。

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浪潮软件科技有限公司，其通讯地址为：250000 山东省济南市高新区浪潮路1036号浪潮科技园；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。