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！

龙图腾网获悉浙江大学申请的专利基于个性化联邦学习的扩散模型训练与采样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：CN120046048B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202510536167.8，技术领域涉及：G06F18/2415；该发明授权基于个性化联邦学习的扩散模型训练与采样方法及系统是由庄越挺;苗嘉旭;张弛;马凡;孟楚天;杨易设计研发完成，并于2025-04-27向国家知识产权局提交的专利申请。

本基于个性化联邦学习的扩散模型训练与采样方法及系统在说明书摘要公布了：本发明公开了一种基于个性化联邦学习的扩散模型训练与采样方法及系统。本发明在每个客户端上利用本地数据和个性化嵌入层进行扩散模型的训练，但仅训练扩散模型去噪过程的后半部分时间步骤，以限制模型的全局去噪能力，同时由个性化嵌入层作为隐私保护机制，确保模型仅生成符合本地数据分布的图像，同时防止其他客户端获得本地数据的数据分布；模型在本地训练若干轮后，保留个性化嵌入层在客户端本地，其余参数上传至服务器；服务器对接收到的模型参数进行加权聚合，并将更新后的全局模型参数发送回各客户端，客户端接收全局模型并于本地个性化嵌入层相结合进一步优化本地模型。本发明可以显著提升图像生成质量，同时有效降低了隐私泄露风险。

本发明授权基于个性化联邦学习的扩散模型训练与采样方法及系统在权利要求书中公布了：1.一种基于个性化联邦学习的扩散模型训练与采样方法，其特征在于包括如下步骤： S1：根据时间分割采样策略在全局范围内统一设定一个时间步分割点，将去噪过程的所有时间步分为第一部分和第二部分，第一部分的时间步负责将输入的噪声图像逐步去噪至中间状态图像，第二部分的时间步负责将中间状态图像逐步去噪至清晰图像； S2：针对参与联邦学习的每个客户端，在本地初始化扩散模型并利用本地图像数据从完整时间步范围内随机采样时间步进行训练，达到终止条件后每个客户端保存本地最优模型参数，用于采样阶段的第一部分时间步采样； S3：针对参与联邦学习的每个客户端，重新初始化扩散模型并设置用于保护隐私的个性化嵌入层后，再重新利用本地图像数据从所述第二部分中随机采样时间步并对扩散模型进行本地个性化训练，且每个采样时间步中扩散模型的输入图像均需要叠加本地的个性化嵌入层，个性化嵌入层随扩散模型一起参与训练过程的参数优化；且重新利用本地图像数据对扩散模型进行迭代训练时，每一轮的训练方式为：先从所述第二部分中随机采样一个时间步，然后通过扩散模型的前向扩散过程计算采样时间步对应的加噪声图像，再将个性化嵌入层通过重复拼接的方式扩展至与加噪声图像相同维度后对两者进行叠加，得到的叠加图像输入去噪网络中计算采样时间步对应的噪声预测值，计算噪声预测值和实际噪声之间的均方误差并作为损失函数对扩散模型中的去噪网络以及个性化嵌入层进行梯度下降优化； S4：每个客户端完成扩散模型的本地个性化训练后，将个性化嵌入层保留在客户端本地，仅将其余模型参数上传至服务器，由服务器对从各个客户端接收到的模型参数进行加权聚合，更新全局模型参数并发送回各客户端进一步优化，不断循环本地个性化训练和服务器加权聚合的过程直至达到终止条件，每个客户端上获得全局最优模型参数； S5：在采样阶段，每个客户端利用扩散模型结合本地保存的所述本地最优模型参数，逐步执行所述第一部分的各时间步，将输入的噪声图像逐步去噪至中间状态图像，再利用扩散模型结合所述全局最优模型参数，逐步执行所述第二部分的各时间步且将本地保存的个性化嵌入层叠加到每个时间步的输入图像中，从而将中间状态图像逐步去噪至清晰图像。

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大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。