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！

龙图腾网获悉广州大学申请的专利一种面向模型异构联邦学习的模型下发系统、方法、终端及介质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：CN120979720B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511123396.3，技术领域涉及：H04L9/40；该发明授权一种面向模型异构联邦学习的模型下发系统、方法、终端及介质是由严颖珊;彭滔;郭立德;肖章益;钟育洪;万子睿;余宏晖;钟祖怡设计研发完成，并于2025-08-12向国家知识产权局提交的专利申请。

本一种面向模型异构联邦学习的模型下发系统、方法、终端及介质在说明书摘要公布了：本发明所提供的一种面向模型异构联邦学习的模型下发系统、方法、终端及介质，涉及信息安全技术领域，该系统包括授权机构、第一服务器、第二服务器和客户端；授权机构作为可信第三方，负责执行系统初始化工作，如生成基于用户属性集的属性私钥和部分关键词搜索陷门等，第一服务器负责模型生成以及对模型与相关数据的加密处理，并将所有加密数据和加密后模型传输至第二服务器，第二服务器与客户端进行交互，利用客户端上传的完整关键词搜索陷门实现模型搜索匹配和部分解密，最后通过客户端下载部分解密结果，并对其进行完全解密得到客户端所需的目标模型，有效地解决在异构联邦学习的模型下发过程中存在的隐私威胁，既保证了隐私安全又实现精准匹配。

本发明授权一种面向模型异构联邦学习的模型下发系统、方法、终端及介质在权利要求书中公布了：1.一种面向模型异构联邦学习的模型下发系统，其特征在于，包括授权机构、第一服务器、第二服务器和客户端； 授权机构，用于基于接收到客户端提交的用户属性集生成各用户的属性私钥和部分关键词搜索陷门； 客户端，用于基于接收到授权机构传输的所述属性私钥和所述部分关键词搜索陷门生成完整关键词搜索陷门； 第一服务器，用于生成各类需求的模型，并为每个模型生成相应的加密密钥，利用所述加密密钥对所述模型进行加密得到加密后模型，再利用授权机构发送的安全参数对所述加密密钥和模型属性集进行加密处理得到加密后的加密密钥和属性集密文，将所述加密后模型、所述加密后的加密密钥和所述属性集密文发送至第二服务器； 第二服务器，用于响应客户端发起的模型搜索请求，并根据接收到客户端发送的所述完整关键词搜索陷门进行模型的搜索匹配以确定是否存在所述客户端所需的目标模型，当存在所述目标模型时，则执行部分解密操作得到部分解密结果，并将所述部分解密结果返回至客户端，以便客户端利用所述属性私钥及其自身所存储的盲化值对所述部分解密结果进行完全解密，得到所述目标模型； 其中，所述部分关键词搜索陷门为： ，； 其中，； ； ； ； 所述完整关键词搜索陷门为： ； ； ； ； ； ； 所述加密后模型为：； 所述安全参数为：； 所述加密后的加密密钥为：； 密钥密文为：； 属性集密文为：； ； ； ； ； ； ； ； ； 所述部分解密结果为： ； 所述完全解密包括： ； ； 其中，表示第一生成元，表示从有限域选取的多个随机数，表示用于将映射到具体属性名的映射函数，表示用于将属性名映射到具体属性值的映射函数，表示从有限域选取的多个随机数，表示有限域，表示将向量中的和属性绑定，其中，每一个Ni对应一个属性，和与预先定义好的哈希函数相同，D1、D2和Dx表示私钥组件，ζ表示盲化值，和表示盲化处理后的私钥组件，r表示随机值，表示用户j的属性集，key为加密密钥，表示模型权重矩阵，表示对模型权重矩阵进行扁平化处理后得到的扁平化结果，表示对扁平化结果进行加权求和处理后得到的加权求和结果，表示随机数，表示二进制形式表示的模型属性集，，表示基于随机数构成的向量，M表示模型的访问矩阵，表示用于将映射到属性名的映射函数，表示满足的一组系数，表示满足密文的陷门搜索策略的最小子集。

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广州大学，其通讯地址为：510006 广东省广州市番禺区大学城外环西路230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。