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面向差分隐私的联邦学习隐私预算定制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：CN119416255B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411529164.3，技术领域涉及：G06F21/62；该发明授权一种面向差分隐私的联邦学习隐私预算定制方法是由朱超;王博宇;王小园;郝新丽;陈霄设计研发完成，并于2024-10-30向国家知识产权局提交的专利申请。

本一种面向差分隐私的联邦学习隐私预算定制方法在说明书摘要公布了：本发明公开了一种面向差分隐私的联邦学习隐私预算定制方法，属于联邦学习和隐私保护技术领域，包括以下步骤：S1、服务器端初始化全局模型得到初始本地模型，同时服务器端运行DQN模型，获取为每个客户端定制的隐私预算，并将隐私预算分发给各个客户端；S2、本地模型训练；S3、定制化差分隐私加噪；S4、扰动模型上传；S5、全局模型聚合，服务器端接收到客户端上传的扰动模型后，进行全局模型的聚合；S6、全局模型分发与更新，服务器端将新的全局模型和新的隐私预算分发给各个客户端，随后重复上述步骤，直到得到合适的模型。本发明采用上述的一种面向差分隐私的联邦学习隐私预算定制方法，在保障隐私安全的同时，提高了联邦学习模型的精度。

本发明授权一种面向差分隐私的联邦学习隐私预算定制方法在权利要求书中公布了：1.一种面向差分隐私的联邦学习隐私预算定制方法，其特征在于，包括以下步骤： S1、服务器端初始化全局模型得到初始本地模型，同时服务器端运行DQN模型，获取为每个客户端定制的隐私预算，并将隐私预算分发给各个客户端； S2、本地模型训练，各个客户端分别使用本地数据进行模型训练，得到更新后的本地模型； S3、定制化差分隐私加噪，各个客户端根据服务器端分发的隐私预算给更新后的本地模型添加噪声，得到扰动模型； S4、扰动模型上传，客户端将扰动模型上传到服务器端，并更新自身信息以便服务器端更新隐私预算； S5、全局模型聚合，服务器端接收到客户端上传的扰动模型后，进行全局模型的聚合；同时根据客户端上传的信息，重新计算客户端的隐私预算； S6、全局模型分发与更新，服务器端将新的全局模型和新的隐私预算分发给各个客户端； 重复上述步骤S1-S6，直到得到合适的模型或者满足停止条件； 步骤S1中DQN模型的核心是Bellman更新方程，其用于迭代改进Q值函数，Q值函数的Bellman更新方程为： ； 其中，表示控制未来奖励的折现率，是一个介于0-1之间的数；表示用户的公开非隐私信息；表示各客户端定制的隐私预算；表示下一个状态中的用户公开非隐私信息；表示下一个状态中的客户端定制的隐私预算；表示与DQN模型准确率和隐私性相关的函数，具体为： ； 其中，表示得分权重；表示DQN模型准确率得分；表示DQN模型的隐私得分； 步骤S3中使用高斯机制给更新后的本地模型添加噪声，即模型添加的噪声满足准正态分布，扰动模型表示为： ； 其中，表示添加噪声后的扰动模型；表示更新后的本地模型；表示高斯噪声，其中满足： ； 其中，表示灵敏度，用来衡量算法对数据集中单个样本变化的敏感程度；表示隐私预算衡量使用噪声的水平；表示隐私失败概率； 还包括一套隐私评价体系，具体为： 对每个客户端的隐私需求进行分级，等级越高表示隐私要求越高，由此，隐私损失表示为： ； 其中，表示客户端的隐私损失；表示客户端定制的隐私预算；表示客户端的等级；函数表示为： ； 其中，常数与不同的任务要求有关； 最终，引出隐私得分如下： ； 其中，表示隐私得分，取值范围为0-1。

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号院；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。