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！

龙图腾网获悉西安交通大学申请的专利一种用于边云协同推理的隐私保护图像特征压缩方法及系统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：CN119545010B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202411647035.4，技术领域涉及：H04N19/42；该发明授权一种用于边云协同推理的隐私保护图像特征压缩方法及系统是由欧阳媛;李凡;汪烈军;陶晓明设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本一种用于边云协同推理的隐私保护图像特征压缩方法及系统在说明书摘要公布了：本发明公开了一种用于边云协同推理的隐私保护图像特征压缩方法及系统，基于新型隐私保护特征压缩框架，结合了注意力机制，并通过特征域集中的对抗协同训练策略引导中间特征的压缩。特征域聚焦的对抗协同训练策略引入了特征域的选择性聚合和特征扰动抑制，增强了数据在传输过程中的安全性和抗攻击能力，有效降低了数据隐私在云端诚实但好奇的服务器上被泄露的风险。为提升算法的泛化能力和适应性，本发明在多个图像数据集和不同深度学习模型上进行了系统评估。实验结果表明，本发明在中间特征传输效率、分析精度及隐私保护水平上均显著优于现有的特征压缩方法，为大规模深度学习模型在资源受限的边缘设备环境中的应用提供了有力的技术支撑。

本发明授权一种用于边云协同推理的隐私保护图像特征压缩方法及系统在权利要求书中公布了：1.一种用于边云协同推理的隐私保护图像特征压缩方法，其特征在于，包括以下步骤： 1将已完成预训练的深度学习网络模型从中间划分并冻结网络参数，分别部署在边缘端作为前端特征提取网络和云端作为后端特征分析网络； 2基于所述的前端特征提取网络和后端特征分析网络，采用非局部特征域集中模块并提供注意力机制，利用卷积层进行特征融合，使用全连接层进行压缩，实现编码器网络结构；基于非局部特征域集中模块和卷积操作重建特征，实现解码器网络结构； 3基于所述的编码器网络和解码器网络，将前端特征提取网络提取到的特征输入编码器中进行压缩，压缩后的特征经解码器解码后输入到后端特征分析网络中进行分析，得到图像分析结果，包括： SET-NET框架的包括一个编码器和一个解码器；在编码器的实现中，设计一个特征域集中模块，该模块将非局部注意机制与残差网络相结合；该模块生成一个隐含的重要性掩码，以引导潜在特征的自适应压缩；为进一步减少通信开销，采用熵编码技术消除压缩数据中的统计冗余；压缩后的数据通过无线方式传输并上传至云服务器；接收数据后，DNN模型进行解压，后续处理步骤生成最终分析结果； 4基于所述的前端特征提取网络和编码器网络结构，构建反演攻击网络从瓶颈特征中重建输入图像，包括： 构建一个辅助DNN模型称为重建网络RecNet，其目标是从瓶颈特征重建输入图像；RecNet是前端网络和编码器的镜像网络；以对抗的方式训练编码器和RecNet，RecNet试图从潜在特征中恢复输入图像，而编码器同时试图通过操纵生成的潜在特征来破坏RecNet的性能；同时，编码器和解码器都试图保持机器视觉分析精度； 5基于图像分析结果计算分析任务损失，基于编码器网络的输出计算压缩码率损失以及基于反演攻击网络计算重建图像损失，并根据损失函数进行方向梯度传播，优化网络参数，得到不同传输码率压缩模型； 6在云边协同推理下用不同传输码率压缩模型实现不同的图像数据集和深度学习网络下的隐私保护图像特征压缩。

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交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。