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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于差分隐私图像加噪的联邦学习模型训练方法及系统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：CN119849603B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202510330136.7，技术领域涉及：G06N3/098；该发明授权基于差分隐私图像加噪的联邦学习模型训练方法及系统是由束妮娜;余静波;颜康;吴韬;王怀习;常超;刘春生;蒋儒浩设计研发完成，并于2025-03-20向国家知识产权局提交的专利申请。

本基于差分隐私图像加噪的联邦学习模型训练方法及系统在说明书摘要公布了：本发明公开了一种基于差分隐私图像加噪的联邦学习模型训练方法及系统，方法包括：S1：初始化评估网络、目标网络和超参数；S2：初始化全局模型及参数；S3：获取选定的客户端和隐私预算；S4：选定的客户端进行本地训练并将扰动梯度上传至中央服务器；S5：中央服务器对客户端的扰动梯度进行聚合，获得更新后的全局模型以及当前状态对应的奖励；S6：获得联邦学习的下一状态并更新评估网络和目标网络；S7：重复执行S3至S6，直至达到设定的全局迭代次数；S8：更新探索率并重复执行S2至S7，直至达到设定的联邦学习次数。本发明结合联邦学习框架提出一种动态差分隐私方法，在保证用户隐私的同时，能够提高图像识别率。

本发明授权基于差分隐私图像加噪的联邦学习模型训练方法及系统在权利要求书中公布了：1.一种基于差分隐私图像加噪的联邦学习模型训练方法，其特征在于，包括： S1：初始化评估网络、目标网络以及相关超参数； S2：在中央服务器初始化联邦学习系统的全局模型及其参数，并将所述全局模型广播至所有客户端； S3：根据联邦学习系统的当前状态以及目标网络，获取选定的客户端以及分配的隐私预算； S4：在所述选定的客户端利用本地数据集对本地模型进行训练，并将扰动梯度上传至所述中央服务器； S5：在所述中央服务器对来自选定的客户端的扰动梯度进行聚合，获得更新后的全局模型以及当前状态对应的奖励； S6：对所述评估网络和目标网络进行更新； S7：重复执行S3至S6，直至到达一次联邦学习设定的全局迭代次数n； S8：对探索率进行更新并重复执行S2至S7，直至达到设定的联邦学习次数E， 所述S1包括： S1.1：将评估网络的参数以及目标网络的参数随机初始化为相等的参数； S1.2：初始化相关超参数，所述相关超参数包括折扣因子、软更新参数、探索率、探索率最小值、探索率衰减因子、评估网络学习率以及重放缓冲区， 所述S3包括： 在0,1范围内随机产生一个小数，将所述小数的值与探索率的值进行比较； 若所述小数的值小于探索率的值，则随机生成本次联邦学习中第次全局迭代的动作，其中，表示客户端在第次全局迭代中是否被选中，若是，则，否则，表示客户端在第次全局迭代中被分配的隐私预算，表示客户端的集合； 若所述小数的值大于或等于探索率，将当前状态输入至所述目标网络中，所述目标网络根据所述当前状态输出多个概率，所述概率的数量与所述动作的数量相等，利用Top-k技术选择最大的前个概率对应的动作，将当前动作对应的客户端作为选定的客户端，其中，表示客户端在第次全局迭代中的本地损失函数值，表示客户端在第次全局迭代中剩余的总体隐私预算。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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”。