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！

龙图腾网获悉暨南大学申请的专利一种在不平衡梯度下基于密文过滤的安全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：CN115883239B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202211586399.7，技术领域涉及：H04L9/40；该发明授权一种在不平衡梯度下基于密文过滤的安全联邦学习方法是由王晓明;戴明湛;王茜娴;黄斌枘设计研发完成，并于2022-12-09向国家知识产权局提交的专利申请。

本一种在不平衡梯度下基于密文过滤的安全联邦学习方法在说明书摘要公布了：本发明公开了一种在不平衡梯度下基于密文过滤的安全联邦学习方法，首先研究设计了一种基于盲化的轻量级的加密协议，实现了参与联邦学习的用户的局部梯度的安全传输和聚合，并且具有较低的计算开销。在基于轻量级的加密协议的基础上，本发明构建了密文下的梯度过滤算法，在不暴露局部梯度隐私的情况下，将与全局模型参数相差较大的异常梯度过滤掉，有效地提高全局模型的准确率。在已定义的威胁模型下，证明了本发明方法能够满足参与联邦学习的用户的局部梯度的隐私要求。实验表明，与现有方案相比，本发明具有较好的安全性、计算效率和准确率。

本发明授权一种在不平衡梯度下基于密文过滤的安全联邦学习方法在权利要求书中公布了：1.一种在不平衡梯度下基于密文过滤的安全联邦学习方法，其特征在于，所述安全联邦学习方法包括以下步骤： S1、系统初始化：可信机构TA为聚合服务器SA、过滤服务器SF和参与联邦学习的用户ui生成并分发密钥，其中，假设一共有n个用户，第i个用户表示为ui，满足1≤i≤n；可信机构TA首先运行密钥生成算法KeyGen1λ，其中λ是安全参数，生成公钥PK以及私钥SK1、SK2；然后可信机构TA将私钥SK1发送给聚合服务器SA，将私钥SK2发送给过滤服务器SF，将公钥PK发送给各个用户u1,u2,…,un；此外，聚合服务器SA初始化全局模型参数发送给每一个用户ui以开启联邦学习训练； S2、局部梯度的训练和加密：在第t轮迭代中，在接收到t-1轮的全局模型参数后，各个参与联邦学习的用户ui基于本地数据集Di，通过局部训练算法训练出第t轮的局部梯度接着，用户ui运行加密算法其中ri为用户ui随机选择的一个数，输出加密结果Ci，并上传给聚合服务器SA； S3、梯度的部分解密和盲化：对于每个用户ui上传的密文Ci，聚合服务器SA运行部分解密和盲化算法PartiallyDecryptSK1,Ci,β，其中β是聚合服务器SA随机选择的一个数，输出处理结果C′i，发送给过滤服务器SF；其中，PartiallyDecryptSK1,Ci,β的实现过程如下： S31、当聚合服务器SA收到各个用户ui上传的密文Ci后，先随机选择一个数作为盲因子β，接着使用私钥SK1和盲因子β对密文ci2部分解密并盲化得到c′i2： 其中，SK1为可信机构TA分发的私钥s1，ci2为用户ui上传的梯度密文Ci中的一部分；然后，聚合服务器SA计算出局部梯度与全局模型参数密文下的差异值Δi： 其中，表示第t-1轮的全局模型参数，ri为用户ui选择的盲因子；最终，聚合服务器SA生成梯度的更新密文C′i＝i,c′i2,ci3,Δi； S32、在发送梯度更新密文之前，聚合服务器SA先把用户ui的序号随机地转换成uj，并把i,j存储在用户序号映射表map中，最后把处理后的梯度密文C′j＝j,c′j2,cj3,Δj发送给过滤服务器SF； S4、密文下的梯度过滤：过滤服务器SF接收到经过聚合服务器SA处理后的密文C′i后，运行梯度过滤算法FilterSK2,C′i，在密文下对各用户局部梯度和全局模型参数进行比较和过滤，输出符合聚合要求的用户集合和对应的随机数和sumr，然后把和sumr返回给聚合服务器SA；其中，FilterSK2,C′j实现过程如下： S41、对于每一个用户uj对应的梯度密文C′j，过滤服务器SF首先使用私钥SK2计算出梯度密文C′j对应的盲化随机数βrj： 其中，c′j2为聚合服务器SA处理过的用户uj的梯度密文，SK2为可信机构分发的私钥s2；接着，过滤服务器SF计算出局部梯度与全局模型参数密文下的差异Δ′j： 其中，表示用户uj在第t轮训练得到的局部梯度，表示第t-1轮的全局模型参数； S42、基于欧式距离计算，过滤服务器SF计算出每一个用户uj的局部梯度与第t-1轮全局模型参数的相似度值然后把所有用户ui的相似度值的中位数mediandst1,dst2,…,dstn作为比较值value，其中，median·是求中位数的函数，n表示参与联邦学习的用户数量；对于每一个用户uj，过滤服务器SF判断dstj≤value，若成立，则把该用户的序号添加到满足聚合梯度要求的用户集合中，完成对异常局部梯度的过滤后，过滤服务器SF计算出用户集合对应的盲化的随机数总和并把和sumr返回给聚合服务器SA； S5、局部梯度聚合：聚合服务器SA执行梯度聚合算法输入过滤服务器SF返回的用户集合和随机数和sumr，输出本轮的全局模型参数并广播给参与联邦学习的用户，以继续进行下轮的迭代训练，直到达到事先指定的训练轮数。

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暨南大学，其通讯地址为：510632 广东省广州市天河区黄埔大道西601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”。