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！

龙图腾网获悉南京邮电大学申请的专利一种基于区块链与同态加密的联邦学习隐私保护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：CN115549888B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202211198265.8，技术领域涉及：H04L9/00；该发明授权一种基于区块链与同态加密的联邦学习隐私保护方法是由邓松;张杰;胡琦聪;岳东设计研发完成，并于2022-09-29向国家知识产权局提交的专利申请。

本一种基于区块链与同态加密的联邦学习隐私保护方法在说明书摘要公布了：本发明公开了一种基于区块链与同态加密的联邦学习隐私保护方法，包括以下步骤：S1.联邦学习的参与方加密本地模型参数，并将其发送给聚合服务器；S2.聚合服务器接收联邦学习的各个参与方加密后的完整模型参数并进行聚合处理，获得聚合的密文状态全局模型参数；S3.联邦学习的各个参与方接收聚合服务器分发的聚合的密文状态全局模型参数，将其解密后载入本地模型，若不收敛则转至步骤S1中对应环节，否则完成训练并保存全局模型。本方法可以高效率、轻量级地实现联邦学习中的隐私保护，保障隐私性的同时还保证了联邦学习的准确率，并减少了一定的计算开销，引入区块链网络保证了各个参与方的有效安全身份，有效防范恶意节点攻击。

本发明授权一种基于区块链与同态加密的联邦学习隐私保护方法在权利要求书中公布了：1.一种基于区块链与同态加密的联邦学习隐私保护方法，其特征在于，包括以下步骤： S1.加密本地模型参数，具体包括步骤S11、S12、S13、S14和S15； S11.联邦学习的参与方k接收聚合服务器所分发的全局模型并确定初始的模型参数Wk,0，参与方k利用本地数据执行本地训练，设定本地训练的损失函数，根据损失函数确定相对于更新前模型总的加权后的损失并更新本地模型第S次训练后的模型参数Wk,S，参与方k的模型参数Wk,S包括权重层Wk,S[weigt]和偏置层Wk,S[bias]； S12.参与方k生成拉普拉斯噪声rk并上传至区块链网络缓存，对本地模型参数中的权重层Wk,S[weigt]进行加密，获得密文状态的权重层[[Wk,S[weigt]]],表达式为 [[Wk,S[weigt]]]＝Wk,S[weigt]+rk； S13.参与方k初始化CKKS全同态加密算法的安全等级参数λ，确定一个为2的幂次的整数N，确定特殊模数P，确定密文对应的深度L，选定模数q，令变量Q＝q×PL，选择私钥相关的密钥分布χs，选择私钥相关的错误的密钥分布χe，选择私钥相关的随机的密钥分布χr； S14.参与方k根据χs、χe、Q设置私钥sk并计算出公钥pk，存在映射关系s←χs、a←RQ、e←χe，令变量b＝-a*s+emodQ； 基于上述映射关系，实现私钥的设置，表达式为sk←1,s； 计算公钥的表达式为 其中，s为基于私钥相关的密钥分布χs的卡方随机抽取，RQ表示模Q的余数空间，a为基于RQ的卡方随机抽取，e为基于私钥相关的错误的密钥分布χs的卡方随机抽取； S15.参与方k根据χr生成数据噪声r，根据χe生成随机噪声e0、e1，将Wk,S[bias]编码为明文多项式Wk,S[bias]′，并将明文多项式Wk,S[bias]′加密，表达式为[[Wk,S[bias]′]]←r*pk+m+e0,e1modQ； 其中，m为明文多项式； S2.聚合服务器接收联邦学习的各个参与方加密后的完整模型参数[[Wk,S]]，并进行聚合处理，获得聚合的密文状态全局模型参数[[Wgolobal,S]]，具体步骤包括： S21.聚合服务器将通过区块链接收到的各参与方的模型参数整合为模型参数集合{[[W1,S]],[[W2,S]]……[[Wk,S]]……[[Wn,S]]}； S22.聚合服务器通过加权平均算法对接收的密文状态下的各参与方的模型参数进行计算，表达式为 S3.联邦学习的各个参与方接收聚合服务器分发的聚合的密文状态全局模型参数[[Wgolobal,S]]，将其解密后载入本地模型，若不收敛则转至步骤S12，否则完成训练并保存全局模型，其解密的具体步骤包括： S31.利用区块链网络的智能合约读取参与方缓存的随机扰动rk并消除[[Wglobal,S[weight]]]中的扰动，表达式为 S32.各参与方进一步将[[Wglobal,S[[bias]′]]解密为明文，表达式为

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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”。