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！

龙图腾网获悉北京邮电大学申请的专利满足差分隐私的图扩散模型学习方法和设备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：CN120805974B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202510906873.7，技术领域涉及：G06N3/042；该发明授权满足差分隐私的图扩散模型学习方法和设备是由程祥;张冠宏;王玉龙;苏森设计研发完成，并于2025-07-02向国家知识产权局提交的专利申请。

本满足差分隐私的图扩散模型学习方法和设备在说明书摘要公布了：本发明提供一种满足差分隐私的图扩散模型学习方法和设备，该学习方法包括：基于持有的子图集合中的多个子图和各个子图对应的多个加噪图训练图扩散模型中的去噪网络，以使去噪网络基于各个加噪图进行节点特征提取以得到各个节点特征集合；基于节点特征集合得到边特征集合，并采用注意力机制基于加噪图的节点属性相似度信息对相应边特征集合中各个边的两端节点连接的多个边特征进行加权融合，生成各个融合后的边特征以得到更新的边特征集合；基于更新的边特征集合输出相应子图的预测结果，最小化相应子图的预测结果和该子图之间的损失或隐私预算消耗达到预设阈值，得到满足差分隐私的训练后的去噪网络。本发明能实现满足差分隐私的图学习。

本发明授权满足差分隐私的图扩散模型学习方法和设备在权利要求书中公布了：1.一种满足差分隐私的图扩散模型学习方法，其特征在于，所述方法包括： 基于持有的子图集合中的多个子图和各个子图对应的多个加噪图训练图扩散模型中的去噪网络，以使所述去噪网络基于各个加噪图进行节点特征提取以得到各个节点特征集合，其中，所述加噪图通过采用图扩散模型中的加噪模型对相应子图进行加噪得到； 基于所述节点特征集合得到边特征集合，并采用注意力机制基于所述加噪图的节点属性相似度信息，对相应边特征集合中各个边的两端节点连接的多个边特征进行加权融合，生成各个融合后的边特征，以得到更新的边特征集合； 基于更新的边特征集合输出相应子图的预测结果，最小化相应子图的预测结果和该子图之间的损失或隐私预算消耗达到预设阈值，以使训练后的去噪网络能够满足差分隐私，并基于训练后的去噪网络携带的非隐私数据生成的加噪图输出去噪后的图，其中，所述隐私预算消耗通过在每次迭代中，基于梯度生成的用于更新去噪网络参数的满足差分隐私的扰动后的梯度中添加的噪声规模得到。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。