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！

龙图腾网获悉合肥大学申请的专利一种抗共谋的拜占庭鲁棒隐私保护联邦学习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：CN118690406B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202410775302.X，技术领域涉及：G06F21/62；该发明授权一种抗共谋的拜占庭鲁棒隐私保护联邦学习优化方法是由汪彩梅;孙志朋;徐康健;卢建豪;潘建中;任玉冬;何安;童善宽;刘招;沈亦军;吴志泽;李正茂;谢奇爱;夏光峰;黄戈;焦宇阳设计研发完成，并于2024-06-17向国家知识产权局提交的专利申请。

本一种抗共谋的拜占庭鲁棒隐私保护联邦学习优化方法在说明书摘要公布了：本发明涉及联邦学习与隐私保护的技术领域，具体涉及一种抗共谋的拜占庭鲁棒隐私保护联邦学习优化方法。该方法由恶意梯度筛选机制和抗共谋的拜占庭鲁棒聚合策略组成。首先利用恶意梯度筛选机制由参与联邦学习训练的客户端选择不同的随机数盲化局部梯度。然后中心服务器可以在不知晓局部梯度明文的情况下计算余弦相似度以筛选恶意梯度，兼顾数据隐私性和模型鲁棒性。其次设计一种抗共谋的拜占庭鲁棒聚合策略，根据恶意梯度筛选机制计算出的余弦相似度为局部梯度赋权值。最后利用权值对不同局部梯度加权聚合，聚合过程中采用同态加密保障数据隐私性。并采用秘密共享技术拆分私钥，客户端更新模型时需协作解密，以此抵御训练实体间的共谋攻击。

本发明授权一种抗共谋的拜占庭鲁棒隐私保护联邦学习优化方法在权利要求书中公布了：1.一种抗共谋的拜占庭鲁棒隐私保护联邦学习优化方法，其特征在于，由恶意梯度筛选机制Randomcos和抗共谋的拜占庭鲁棒聚合策略组成，具体包括以下步骤： 步骤1，密钥生成中心向客户端下发同态加密公钥和私钥的秘密份额pk，ski； 步骤2，在第t轮训练迭代中，客户端Ci使用本地数据集Di进行模型训练，得到局部梯度 步骤3，客户端在将局部梯度上传至中心服务器之前随机选择一个随机数ri，计算 步骤4，客户端使用公钥pk加密ri -1，上传Ri和[ri -1]pk至中心服务器； 步骤5，中心服务器利用恶意梯度筛选机制Randomcos，在不知晓局部梯度明文的情况下，计算局部梯度的余弦相似度，筛选恶意客户端、抵御投毒攻击； 步骤6，根据余弦相似度对局部梯度赋予不同权值，并利用同态加密性质，在加权聚合局部梯度前对局部梯度进行去噪； 步骤7，中心服务器在密文状态下聚合局部梯度，生成全局梯度； 步骤8，客户端从中心服务器下载全局梯度密文并协作解密以更新本地模型。

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合肥大学，其通讯地址为：230601 安徽省合肥市经开区锦绣大道99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”。

以上内容由龙图腾AI智能生成。