買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜齊魯工業(yè)大學(山東省科學院);山東省計算中心(國家超級計算濟南中心)申請的專利面向保隱私異構去中心化學習的正則約束自適應調(diào)整方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN119808896B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-05-23發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202510296997.8，技術領域涉及：G06N3/098；該發(fā)明授權面向保隱私異構去中心化學習的正則約束自適應調(diào)整方法是由吳曉明;劉騰;楊明;王鑫;劉臣勝;穆超;陳振婭;賀云鵬;吳法宗;徐碩設計研發(fā)完成，并于2025-03-13向國家知識產(chǎn)權局提交的專利申請。

本面向保隱私異構去中心化學習的正則約束自適應調(diào)整方法在說明書摘要公布了：本發(fā)明屬于隱私保護的技術領域，更具體地，涉及面向保隱私異構去中心化學習的正則約束自適應調(diào)整方法。所述方法包括：將每個客戶端的本地模型劃分為共享模型和保留模型，對共享模型進行正則化約束；客戶端使用上一輪聚合后的共享模型和本地保留模型，基于本地數(shù)據(jù)集進行梯度下降更新；通過KL散度對正則化參數(shù)進行動態(tài)更新調(diào)整；對共享模型進行差分隱私保護，然后將加噪后的共享模型廣播給鄰居客戶端；客戶端i的鄰居客戶端接收加噪后的共享模型并進行聚合，以得到下一迭代輪次的本地模型。本發(fā)明在保護數(shù)據(jù)隱私的同時，減輕數(shù)據(jù)異質(zhì)性和差分隱私噪聲對模型性能的負面影響。

本發(fā)明授權面向保隱私異構去中心化學習的正則約束自適應調(diào)整方法在權利要求書中公布了：1.面向保隱私異構去中心化學習的正則約束自適應調(diào)整方法，應用于聯(lián)邦學習系統(tǒng)，聯(lián)邦學習系統(tǒng)中包含多個客戶端，且每個客戶端均具有一個用于圖像分類識別任務的本地數(shù)據(jù)集；其特征在于，所述方法包括：S1、將每個客戶端的本地模型劃分為共享模型和保留模型，對共享模型進行正則化約束，以限制模型參數(shù)的更新幅度，具體如下：S11、對本地模型的深度神經(jīng)網(wǎng)絡進行分層處理，將本地模型被劃分為共享模型和保留模型，其中，共享模型用于在鄰居客戶端之間交換，保留模型保留在本地以維護個性化特征；S12、對共享模型進行正則化約束來限制模型偏差，將客戶端的損失函數(shù)重新表示為： （1） （2）式（1）和式（2）中，是交叉熵損失函數(shù)，是正則化參數(shù)，是裁剪閾值，和分別表示本輪和上一輪的共享模型，表示正則化項，表示第輪迭代中的去偏參數(shù)，當t=0時，=；S2、客戶端使用上一輪聚合后的共享模型和本地保留模型，基于本地數(shù)據(jù)集進行梯度下降更新；S3、通過KL散度對正則化參數(shù)進行動態(tài)更新調(diào)整；S4、對共享模型進行差分隱私保護，然后將加噪后的共享模型廣播給鄰居客戶端，確保隱私保護的同時完成去中心化通信；S5、客戶端i的鄰居客戶端接收加噪后的共享模型并進行聚合，以得到下一迭代輪次的本地模型。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或?qū)＠麢嗳?a target="_blank" rel="noopener noreferrer nofollow" >齊魯工業(yè)大學(山東省科學院);山東省計算中心(國家超級計算濟南中心)，其通訊地址為：250000 山東省濟南市長清區(qū)西部新城大學科技園；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。