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！

龙图腾网获悉西安电子科技大学申请的专利基于随机近端优化的隐私保护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：CN119691792B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411699291.8，技术领域涉及：G06F21/62；该发明授权基于随机近端优化的隐私保护优化方法是由李远敏;宋闻轩设计研发完成，并于2024-11-26向国家知识产权局提交的专利申请。

本基于随机近端优化的隐私保护优化方法在说明书摘要公布了：本发明公开了一种基于随机近端优化的隐私保护优化方法，主要解决现有技术中神经网络在添加差分隐私噪声后导致模型性能下降的问题。其实现方案是：获取图像数据集，并对其进行预处理；选取现有包括输入层、隐藏层、输出层的神经网络模型；将预处理后的图像数据集输入到神经网络模型；使用近端隐私保护方法对神经网络进行包括梯度裁剪、添加差分隐私噪声、计算方差减小项、使用近端点更新权重矩阵的多轮训练得到最优权重矩阵，为后续构建具有高效性能和隐私保障的分类识别影像处理神经网络模型提供参数依据。本发明在有效保证数据隐私安全的前提下，提高了图像识别的收敛速度和准确率，特别适用于分类质量参差不齐的图像数据集，可用于医疗影像分类。

本发明授权基于随机近端优化的隐私保护优化方法在权利要求书中公布了：1.一种基于随机近端优化的隐私保护优化方法，其特征在于，包括如下步骤： 1获取包含n个样本的图像数据集D，每个样本包括特征向量和对应的标签yi′∈{-1,+1}； 2对影像数据集D进行统一大小的预处理，得到预处理后的数据集D′： D′＝{X1,y1,X2,y2,…,Xi,yi,…,Xn,yn},i∈1,n 其中Xi,yi表示预处理后的训练集D′中第j个样本的特征向量和对应的标签； 3选择现有包括输入层、隐藏层和输出层的多层感知机MLP神经网络模型P，其输入层用于接收图像的像素信息，隐藏层用于逐步提取并处理图像的特征，输出层输出图像所属的类别概率； 4将预处理好的训练集D′输入到神经网络模型P中，对其进行随机近端隐私保护训练： 4a设定批量大小的数据初始化权重矩阵θt＝0，再初始化批量数据Bt的平均梯度并设定单轮内最大迭代次数T，最大训练轮数H； 4b使用带梯度裁剪的方法计算批量数据Bt的平均梯度其中t∈{,1,2,…,T}； 4c在平均梯度中添加差分隐私噪声ξt，得到添加噪声后的平均梯度 4d计算批量数据Bt的全局梯度gfull，并减去平均梯度得到方差减小项vt； 4e基于带方差减小项vt使用近端点方法更新网络的权重矩阵参数θt得到当前迭代次的最终权重矩阵实现如下： 4e1根据添加噪声后的平均梯度和带方差减小项vt，利用下式对权重矩阵参数进行更新： 其中，η为学习率，θt-1为第t-1次迭代得到的权重矩阵，θt为第t次迭代更新得到的权重矩阵，λ2为2范数正则化参数； 4e2对θt的每个分量进行1范数正则化的软阈值更新得到 其中为θt的第k个分量，k∈{1,2,…,n}，η为学习率，λ1为1范数正则化参数； 4e3对按顺序重新组合得到当前迭代次的最终权重矩阵 其中为的第k个分量； 4f重复上述步骤4b～4e直到迭代次数t达到最大迭代次数T或当前迭代次的最终权重矩阵满足收敛条件，输出当前轮的权重矩阵其中j∈{1,2,…,H}表示第j轮训练，H为最大训练轮数； 4g重复上述步骤4b～4f，直到j达到最大训练轮数H或权重矩阵θj满足精度条件，输出最终轮权重矩阵即最优权重矩阵θ，为后续构建具有高效性能和隐私保障的分类识别影像处理神经网络模型提供参数依据。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。