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！

龙图腾网获悉曲阜师范大学申请的专利一种基于区块链的隐私保护异步联邦学习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：CN119760786B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202411244092.8，技术领域涉及：G06F21/64；该发明授权一种基于区块链的隐私保护异步联邦学习方法是由李光顺;朱晓莉;吴俊华;闫瑞栋;张媛;付悦设计研发完成，并于2024-09-06向国家知识产权局提交的专利申请。

本一种基于区块链的隐私保护异步联邦学习方法在说明书摘要公布了：本发明针对联邦学习面临效率低下、易受恶意攻击以及单点故障等挑战，提出了一种基于区块链的隐私保护异步联邦学习框架，以确保所需的安全性和效率。联邦学习允许在多个设备上进行模型训练，而无需将数据传输到中心服务器，有效保护了数据隐私。区块链确保模型数据不会被篡改，解决单点故障和不可信聚合；异步学习加速全局聚合；差分隐私可以提高框架的鲁棒性。同时，采用熵权法这一客观的赋权方法来评估共识节点的信誉度，有效防止恶意行为。大量的实验结果表明，相较于现有方案，本发明提出的框架具备更高的效率和性能，能够有效地保证系统的准确性。

本发明授权一种基于区块链的隐私保护异步联邦学习方法在权利要求书中公布了：1.一种基于区块链的隐私保护异步联邦学习方法，包括以下步骤： 1区块链网络初始化；确定初始化参数，并将其写入创世区块中； 2本地模型更新；设备对其本地数据执行模型训练，迭代地更新全局模型为本地模型；本地训练的目标是最小化损失函数：；将第l个全局历元和第h个局部迭代的局部模型表示为:； a客户端设备初始化模型参数为，设定本地训练的迭代次数为E，并以学习速率λ进行随机梯度下降； b根据差分隐私机制设定隐私参数和，并确保隐私成本不超过最大值S，对于每 一轮迭代e，如果，则终止； c否则，更新模型参数，计算敏感度s和噪声尺度，然后返回经 过扰动处理的参数； 3本地模型上传； a设备将更新的本地模型上传到与其关联的共识节点； b共识节点会进行初步验证，并将这些模型更新广播到区块链网络中； 4领导者选择；共识节点根据信誉度选择领导者节点；领导者节点负责进一步验证共识 节点上传的本地模型，并进行全局模型的聚合； a使用余弦相似性来判断模型之间的差异；共识节点k在时期h的模型与时期h-1的全 局模型之间的余弦相似性为：； b采用神经网络计算余弦相似度；对于共识节点k，表示第j个指 标的归一化值，其比例为：； c之后计算指标j的熵权；熵权越大，对信 誉的贡献越大； d共识节点k在时期h中的信誉通过以下公式获得：； 5本地模型交叉验证； a领导者节点接收到共识节点上传和广播的本地模型后，进行详细的交叉验证，确保模 型更新的准确性； b验证通过后，领导者节点将其记录在新区块中并广播给区块链网络中的其他节点； 6全局模型聚合； a领导者节点在完成所有本地模型的验证后，会对这些模型进行聚合，以更新全局模型 参数； b在异步联邦学习中，聚合过程采用加权平均的方法，将所有验证通过的本地模型组合 成新的全局模型； c聚合过程定义如下:，权重越大，新模型对 全局模型更新的影响就越大； 7区块生成和入链； a领导者节点在完成全局模型聚合后，会生成一个包含更新后全局模型参数和共识节点 信誉度的新区块； b领导者节点执行共识机制，确保新区块的内容被网络中的所有参与者同意； c一旦共识达成，新区块将被添加到区块链上，并广播给区块链网络中的所有节点，供 所有共识节点和设备下载和验证； 8全局模型下载； a系统状态更新后，所有设备从区块链网络中下载最新的全局模型； b之后开始新一轮的本地模型训练，直到全局模型收敛或达到所需的精度。

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曲阜师范大学，其通讯地址为：273165 山东省济宁市曲阜市静轩西路57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。