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！

龙图腾网获悉北京理工大学申请的专利一种基于非随机隐私保护分布式深度学习的信号处理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：CN115423116B 。

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：202211050272.3，技术领域涉及：G06N20/00；该发明授权一种基于非随机隐私保护分布式深度学习的信号处理方法是由刘坤;韩冬昱;林业茗;王浩军;曹渊;宿广镇;余万泽;夏元清设计研发完成，并于2022-08-31向国家知识产权局提交的专利申请。

本一种基于非随机隐私保护分布式深度学习的信号处理方法在说明书摘要公布了：本发明公开了一种基于非随机隐私保护分布式深度学习的信号处理方法，非随机隐私的深度学习信号处理能够在不显著增加计算、通信负担的同时，一定程度保护隐私信息；具体来说，在该方法中，每个处理器为了保护隐私，仅仅需要加入额外的隐私量化操作，这个操作只涉及简单的判断运算，并且传输的数据比特数小于等于原始数据，因此能够在不显著增加计算负担，并且减少通信负担的同时保护隐私；非随机隐私的深度学习信号处理能够在一定程度保护隐私信息的同时，有效地保证学习的精确性。具体来说，根据算法2第4行，通过合理地选择参数η、s，可以实现相应的数据传输精确程度，从而保护分布式深度学习的精确性。

本发明授权一种基于非随机隐私保护分布式深度学习的信号处理方法在权利要求书中公布了：1.一种基于非随机隐私保护分布式深度学习的信号处理方法，其特征在于，包括： 步骤0、将深度学习模型配置到多个处理器并分配不同的任务线程，每个线程基于分布式的数据集与满足非随机隐私的通信协议进行交互； 步骤1、对每个处理器的深度学习模型进行非随机隐私分布式深度学习本地训练，具体包括： 步骤11、首先输入分布式数据集D，初始化学习率γ，非随机隐私参数η，训练轮次总数T，每批数据量的大小n，定义总体数据量大小为|D|；其中，表示每一个训练轮次内对数据集的采样总轮数；将当前模型权值表示为θi； 步骤12、令训练轮次t＝1； 步骤13、令采样轮数k＝1； 步骤14、从分布式数据集D中不放回地随机采样批量为n的数据Dt,k∈D；根据采样的数据Dt,k计算模型的损失函数Lθi,Dt,k以及相应的梯度处理器计算更新后的模型权值： 步骤15、与分布式网络中的邻居处理器进行非随机隐私分布式通信，并进行模型权值的聚合更新，具体为： 根据非随机隐私参数η，选取参数s使得不等式η≥2+log210s成立的最大值； 针对网络中的每一个处理器i： 计算基于量化非随机隐私的模型权值如下： 其中，θmax为模型权值每个维度上的取值范围最大值，θmin为模型权值每个维度上的取值范围最小值； 向网络中的邻居处理器发送隐私模型权值 从每个邻居j接收模型权值其中，j∈Ni，Ni表示处理器i的全部邻居处理器所构成的集合；并定义其邻居处理器的个数为|Ni|； 各处理器聚合接收到的全部模型权值，并更新自身的当前模型权值： 步骤16、判断是否满足k＝K，如果不满足，k加1转到步骤14，如果满足，执行步骤17； 步骤17、判断是否满足t＝T，如果不满足，t值加1；如果满足，执行下一步； 步骤2、将模型权值θi配置给深度学习模型，各处理器基于深度学习模型对输入信号进行相应的处理。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。