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！

龙图腾网获悉山东大学申请的专利隐私保护的去中心化协作学习方法、系统及计算机设备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：CN119783857B 。

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：202510058574.2，技术领域涉及：G06N20/00；该发明授权隐私保护的去中心化协作学习方法、系统及计算机设备是由李峰;王丽娜;袁云圣设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本隐私保护的去中心化协作学习方法、系统及计算机设备在说明书摘要公布了：本发明属于计算机技术领域，涉及隐私保护的去中心化协作学习方法、系统及计算机设备。该方法包括：每个客户端利用本地数据及当前本地模型计算本地梯度，生成高斯噪声并添加至本地梯度中进行扰动；将当前本地模型发送给自己的邻居；每个客户端利用自身数据及邻居的本地模型计算对应的交叉梯度，向梯度中注入高斯噪声进行扰动，将扰动后的梯度传回给相应的邻居；每个客户端计算邻居及自身的夏普利值，确定聚合时的权重，聚合扰动后的本地梯度及交叉梯度；根据聚合后的梯度更新当前本地模型得到最新的本地模型；多次迭代直至达到预先设定的学习轮数或损失值达到规定阈值。本发明在保护客户端隐私数据的同时，提高全局模型性能，加快模型的收敛。

本发明授权隐私保护的去中心化协作学习方法、系统及计算机设备在权利要求书中公布了：1.一种隐私保护的去中心化协作学习方法，其特征在于，所述方法包括以下步骤： 1每个客户端利用本地数据及当前本地模型计算本地梯度； 2每个客户端生成高斯噪声，并将生成的高斯噪声加入到本地梯度中进行扰动，获得扰动后的本地梯度； 3根据通信拓扑结构，每个客户端将当前本地模型发送给自己的邻居； 4每个客户端收到邻居的本地模型后，利用本地数据及邻居的本地模型计算对应的交叉梯度； 5每个客户端为每个邻居的交叉梯度生成高斯噪声，并将高斯噪声加入到交叉梯度中进行扰动，以保护自身的隐私数据，并将扰动后的交叉梯度传回给相应的邻居； 6根据扰动后本地梯度及收到的扰动后交叉梯度，每个客户端借助验证集来计算邻居及自身的夏普利值，从而确定分配给每个客户端的权重； 7每个客户端根据步骤6分配的权重聚合扰动后的本地梯度及扰动后的交叉梯度，获得聚合后的梯度，并根据聚合后的梯度更新当前本地模型得到最新的本地模型； 8重复步骤1至7，直至达到预先设定的学习轮数或损失值达到规定阈值内，停止学习； 步骤2中，对本地梯度进行噪声扰动的方法包括： 对本地梯度进行裁剪： 其中，是客户端i在第t轮裁剪后的本地梯度；是客户端i在第t轮的本地梯度；C是预先设定的裁剪阈值，min{}表示取集合最小值，表示本地梯度的二范数的平方值； 得到裁剪后的本地梯度后，向裁剪后的本地梯度中注入高斯噪声： 其中，是噪声扰动后的本地梯度；为高斯分布，σ2为噪声方差；为维度为d的单位矩阵； 步骤5中， 对交叉梯度进行裁剪： 其中，是裁剪后的交叉梯度；是客户端i利用本地数据为邻居j计算的交叉梯度；C是预先设定的裁剪阈值；min{}表示取集合最小值、表示交叉梯度的二范数的平方值； 得到裁剪后的交叉梯度后，向裁剪后交叉梯度中注入高斯噪声： 其中，是噪声扰动后的交叉梯度；为高斯分布，σ2为噪声方差；为维度为d的单位矩阵； 步骤7中，对于每一个客户端i来说，聚合扰动的本地梯度及来自邻居的扰动的交叉梯度信息的方式如下所示： 其中，是客户端i收到的邻居j传回的噪声扰动后的交叉梯度，为客户端在第t轮中的权重值；为客户端i聚合后的梯度； 在每个客户端i得到聚合的梯度后，对本地模型进行更新，更新过程包括： 首先更新动量： 其中，为邻居j向客户端i传送的动量；对于客户端j来说，α为动量因子，为客户端j的第t-1轮的动量向量； 然后更新本地模型： 其中，为客户端i更新后本地模型，为邻居j向客户端i传送的第t轮的模型，即为客户端j在t-1轮的本地模型，γ为学习率。

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山东大学，其通讯地址为：266200 山东省青岛市即墨区鳌山卫街道滨海路72号山东大学青岛校区；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。