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！

龙图腾网获悉武汉大学申请的专利一种分组可验证的链式隐私保护联邦学习方法及装置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：CN115168902B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202210882955.9，技术领域涉及：G06F21/62；该发明授权一种分组可验证的链式隐私保护联邦学习方法及装置是由吴黎兵;张壮壮;曹书琴;王敏;张瑞设计研发完成，并于2022-07-26向国家知识产权局提交的专利申请。

本一种分组可验证的链式隐私保护联邦学习方法及装置在说明书摘要公布了：本发明公开了一种分组可验证的链式隐私保护联邦学习方法及装置，首先提出了一种分组的链式学习机制来保证用户在训练阶段的隐私，然后提出了一个可验证的安全聚合协议来保证全局模型的可验证性。具体来说，本发明首先将用户分成不同组进行模型训练，并每组将训练结果和验证标签上传到聚合服务器；然后聚合服务器对训练结果和验证标签进行聚合，并返回聚合结果即全局模型；最后用户对聚合后的标签进行验证，在验证通过后接受该聚合结果。本发明在不引入复杂密码学原语的基础下通过分组的链式学习机制保证了客户端的隐私，并通过可验证的聚合协议实现了聚合结果的可验证性，计算开销较低，可解决资源受限场景下的联邦学习需求。

本发明授权一种分组可验证的链式隐私保护联邦学习方法及装置在权利要求书中公布了：1.一种分组可验证的链式隐私保护联邦学习方法，其特征在于，包括： S1：服务器将全局模型参数发送给联邦学习用户； S2：联邦学习用户将服务器发送的全局模型参数作为局部初始模型参数，并在本地数据基础上进行训练，获取新的局部模型参数； S3：不同组的联邦学习用户基于新的局部模型参数和服务器发送的随机数进行局部模型的链式聚合； S4：通过每一组中的最后一位联邦学习用户将局部模型聚合结果以及正确性验证标签发送给服务器； S5：服务器对不同组的联邦学习用户发送的局部模型聚合结果以及正确性验证标签进行聚合，得到新的全局模型参数和全局验证标签，并发送至联邦学习用户； S6：联邦学习用户根据接收的全局验证标签验证新的全局模型参数的正确性； 其中，步骤S3包括： S3.1：每组中的首个联邦学习用户通过公式进行计算，获得对应的盲化后的局部模型参数，并将发送到下一个用户，其中为服务器给每组用户的首个用户和最后一个用户下发的随机数，用来保护首个用户的隐私，为r轮首个联邦学习用户训练出的新的局部模型参数； S3.2：每组中除了首个联邦学习用户和最后一个联邦学习用户之外的其他联邦学习用户，根据公式进行计算，获得与该用户对应的盲化局部模型参数，并将传递给后续用户，其中r表示当前处于第r轮迭代，表示第i-1个用户得到的盲化后的局部模型参数，为第r轮迭代中第i个用户训练出的新的局部模型参数； S3.3：每组中的最后一个联邦学习用户根据计算得到经过盲化的局部聚合模型参数，并根据计算当前用户组的局部聚合模型参数，将作为当前用户组的局部模型聚合结果，其中，g表示最后一个联邦学习用户在链式结构中的编号。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山武汉大学；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”。