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！

龙图腾网恭喜浙江工业大学申请的专利一种基于神经通路的用户隐私保护方法、电子设备、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：CN115659387B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202211184386.7，技术领域涉及：G06F21/62；该发明授权一种基于神经通路的用户隐私保护方法、电子设备、介质是由陈晋音;黄国瀚;宣琦设计研发完成，并于2022-09-27向国家知识产权局提交的专利申请。

本一种基于神经通路的用户隐私保护方法、电子设备、介质在说明书摘要公布了：本发明公开了一种基于神经通路的用户隐私保护方法，包括：1利用预训练的图卷积网络模型，对训练数据进行神经元测试，获得关键神经通路；2获取与主任务性能相关的重要图结构，从而提取骨干图；3基于获取的关键神经通路，生成与主任务正相关的非骨干图；4使用预训练的图卷积网络模型分别提取骨干图和非骨干图的节点嵌入；5将获得的骨干图和非骨干图对应的节点嵌入进行加权组合以获得隐私鲁棒的节点嵌入。本发明方法能有效降低图神经网络模型的隐私泄露风险，提高了图神经网络模型对隐私推理攻击的鲁棒性，增强了图神经网络模型对隐私数据的保护能力。

本发明授权一种基于神经通路的用户隐私保护方法、电子设备、介质在权利要求书中公布了：1.一种基于神经通路的用户隐私保护方法，其特征在于，所述方法具体包括以下步骤： 步骤1，预训练图神经网络模型，对训练数据进行神经元测试并统计，获得与节点标签相关的关键神经通路； 其中，所述步骤1具体为： 与节点t相关的最后一层的关键神经元定义为： 其中，为节点t在第L层图卷积网络模型中的神经元输出；表示取中的第kL个神经元，对于第l层的神经元输出Zl表达为： 其中，A为输入图的邻接矩阵，IN为对角矩阵，N表示图中的节点数；为A+IN的度矩阵，Pl为第l层的隐藏表示节点嵌入，Wl-1为第l-1层的模型权重矩阵； 第l层神经元可定义为： 通过公式1和公式3获得神经通路Pt＝[kL,kl-1,...,k1]；将训练数据根据标签进行神经元测试，并统计相同标签节点集合中具有激活相同的神经通路的节点数，选取节点数最多的神经通路作为与标签相关的关键神经通路其中C为图中节点的类别数量； 步骤2，固定步骤1预训练好的图卷积网络模型的参数，在图邻接矩阵上添加掩码矩阵M，利用梯度下降算法对掩码矩阵M进行训练，获得最终的掩码矩阵Mfinal，并根据预设的阈值δ，从最终的掩码矩阵Mfinal选择Q条连边作为骨干图Ab； 步骤3，基于步骤1预训练好的图卷积网络模型，获得节点第L层隐藏表示PL，将隐藏表示解码为近似邻接矩阵A'，基于步骤1得到的关键神经通路构建损失函数，基于近似邻接矩阵A'和损失函数计算连边梯度矩阵，从连边梯度矩阵中选取梯度值最大的前Q条连边作为非骨干图An； 步骤4，使用步骤1预训练好的的图神经网络模型分别对步骤2得到的骨干图和步骤3得到的非骨干图进行节点嵌入的提取； 步骤5，调节权重，对将步骤4获得的骨干图和非骨干图对应的节点嵌入进行加权组合，得到具有隐私鲁棒性的节点嵌入。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18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”。