东华大学赵皓亮获国家专利权
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！
龙图腾网获悉东华大学申请的专利一种基于半对齐数据的纵向联邦学习模型优化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：CN120338056B 。
龙图腾网通过国家知识产权局官网在2025-08-12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：202510789293.4，技术领域涉及：G06N3/098；该发明授权一种基于半对齐数据的纵向联邦学习模型优化方法是由赵皓亮;常姗设计研发完成，并于2025-06-13向国家知识产权局提交的专利申请。
本一种基于半对齐数据的纵向联邦学习模型优化方法在说明书摘要公布了：本申请公开了一种基于半对齐数据的纵向联邦学习模型优化方法，该方法通过引入半对齐样本的纵向联邦学习框架，显著提升了模型在数据隐私保护前提下的训练效率和准确度，有效解决了传统纵向联邦学习中因样本对齐率低导致的大量未对齐数据浪费问题。该方法在保证数据隐私与安全的前提下，实现了未对齐样本的高效利用，解决了少样本场景下模型性能受限的难题。
本发明授权一种基于半对齐数据的纵向联邦学习模型优化方法在权利要求书中公布了：1.一种基于半对齐数据的纵向联邦学习模型优化方法，其特征在于，包括： 基于各参与方之间的对齐样本，利用各参与方本地的特征提取器获取所述对齐样本的中间特征； 将所述中间特征上传至服务器，所述服务器基于所述中间特征联合训练特征变换器，学习不同参与方中间特征之间的关联关系； 所述服务器融合所有参与方的中间特征，生成全局特征表示，并通过有监督对比学习优化类间区分度，联合更新各参与方本地模型； 通过所述特征提取器提取未对齐样本的中间特征，基于未对齐样本与对齐样本的特征相似性，通过半监督聚类方法为所述未对齐样本迭代生成伪标签； 通过所述特征变换器获取带有标签的参与方的代理特征，计算代理特征与未对齐样本的特征相似度，选取相似度最高的未对齐样本作为半对齐补充样本； 基于四分位法设定距离阈值，剔除低置信度样本，保留高质量半对齐样本； 将筛选后的高质量半对齐样本加入训练数据集，迭代优化纵向联邦学习模型。
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东华大学，其通讯地址为：201620 上海市松江区人民北路2999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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号