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！

龙图腾网恭喜南京邮电大学申请的专利一种基于同态评价的鲁棒隐私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：CN119940481B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202510414991.6，技术领域涉及：G06N3/098；该发明授权一种基于同态评价的鲁棒隐私联邦学习方法是由徐文轩;徐小龙设计研发完成，并于2025-04-03向国家知识产权局提交的专利申请。

本一种基于同态评价的鲁棒隐私联邦学习方法在说明书摘要公布了：本发明提供了一种基于同态评价的鲁棒隐私联邦学习方法，综合现有方案的不足，设计了隐私性、可用性、鲁棒性和效率性四个指标，以全面衡量联邦学习方案。隐私性衡量方案对隐私威胁的防御能力；可用性评估模型在无安全威胁情况下的性能表现；鲁棒性反映方案对安全威胁的抵抗能力；效率性则关注模型在时间效率和计算开销等方面的表现。本发明该方案在隐私性、可用性、鲁棒性和效率性四个指标方面均表现出显著优势，并且可以有效解决了聚合过程中加密梯度质量难以评估的问题。

本发明授权一种基于同态评价的鲁棒隐私联邦学习方法在权利要求书中公布了：1.一种基于同态评价的鲁棒隐私联邦学习方法，具体步骤如下，其特征在于：S1初始化阶段：服务器初始化全局模型，并为每个用户初始化综合信誉值，密钥生成中心则生成公钥与私钥并进行密钥分发；步骤S1初始化阶段，具体步骤如下：假定有名用户客户端参与联邦学习，其用户集合、一个服务器O以及一个第三方密钥生成中心参与联邦学习，初始化阶段，服务器初始化全局模型，并为每个用户初始化综合信誉值，密钥生成中心则生成公钥以及私钥集合并进行密钥分发，公钥公开，对于任一用户，其获得部分私钥；S2协同训练阶段；系统迭代执行鲁棒聚合算法并在每轮聚合结束后更新全局模型、综合信誉值以及用户的历史得分，各参与者履行各自的职责，协同完成相应全局轮次，直至全局轮次达到设定最大值E或达成停止条件，最终输出一个高性能的全局模型M；步骤S2协同训练阶段，具体步骤如下：记服务器初始化全局模型为，第轮的全局模型为，对于参与联邦学习的每一个用户，按照其加入顺序使用之间的数字序号来与其一一对应，使用序号表示与此序号对应的用户，联邦学习过程中，用户将被分为计算者或评委，对于某一计算者，使用其用户序号来代表其自身，对于某一评委，使用其用户序号来代表其自身，所有用户的综合信誉值序列为，用户的历史得分矩阵为，用户在第轮的得分为，位于矩阵的第行第列；2.1.身份划分；将用户分为计算者和评委两种身份，在联邦学习中担任不同职责；2.2.本地模型训练；计算者使用其本地数据集进行本地模型训练得到本地梯度，对本地梯度加密后上传至服务器；2.3.模型评价；评委对计算者提交的加密梯度进行同态评价，并上传同态评价结果；2.4.恶意评委检测；根据评委上传的同态评价结果得到各评委的得分，并据此筛选出恶意评委，其余评委视为良性；2.5.综合评分；综合所有良性评委的同态评价结果得到各计算者的得分；2.6.全局梯度聚合；根据各计算者的得分对其上传的加密梯度进行加权平均，并解密得到全局梯度；2.7.信息更新；计算各用户的综合信誉值，更新所有用户的历史得分矩阵和综合信誉值序列。

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南京邮电大学，其通讯地址为：210046 江苏省南京市栖霞区文苑路9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”。