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！

龙图腾网获悉上海交通大学申请的专利基于区块链的抗拜占庭攻击的隐私联邦学习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：CN117216556B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202311079388.4，技术领域涉及：G06F18/214；该发明授权基于区块链的抗拜占庭攻击的隐私联邦学习方法及系统是由骆源;夏福源;应臣浩;陈炜设计研发完成，并于2023-08-24向国家知识产权局提交的专利申请。

本基于区块链的抗拜占庭攻击的隐私联邦学习方法及系统在说明书摘要公布了：本发明提供了一种基于区块链的抗拜占庭攻击的隐私联邦学习方法及系统，包括激励步骤：由工作节点向竞价节点出价，竞价节点根据工作节点的信誉值选取获胜工作节点，并将获胜工作节点随机划分为训练节点和验证节点。训练步骤：训练节点向区块链请求全局模型并使用本地隐私数据集进行模型训练，并为损失函数的梯度添加高斯噪声得到局部模型发送给验证节点，验证节点计算局部模型在本地数据集上的准确率作为模型评分，然后根据评分结果进行模型聚合，最后将评分结果和聚合得到的全局模型通过拜占庭共识机制添加到区块链上。本发明克服了中心化联邦学习系统的弊端，设计训练过程透明、可追溯的去中心化联邦学习系统框架，兼顾模型安全、效率和性能。

本发明授权基于区块链的抗拜占庭攻击的隐私联邦学习方法及系统在权利要求书中公布了：1.一种基于区块链的抗拜占庭攻击的隐私联邦学习方法，其特征在于，包括： 激励步骤：由工作节点向竞价节点出价，竞价节点根据所述工作节点的信誉值选取获胜工作节点，并将获胜工作节点随机划分为训练节点和验证节点； 训练步骤：所述训练节点向区块链请求全局模型并使用本地隐私数据集进行模型训练，并为损失函数的梯度添加高斯噪声得到局部模型发送给验证节点，所述验证节点计算局部模型在本地数据集上的准确率作为模型评分，然后根据评分结果进行模型聚合，最后将评分结果和聚合得到的全局模型通过拜占庭共识机制添加到区块链上； 所述训练步骤包括： 步骤S2.1：获取区块链上全局模型，使用本地数据集进行训练； 步骤S2.2：训练节点为计算得到的损失函数梯度添加随机高斯噪声，并作为局部模型发送给验证节点，所述添加随机高斯噪声的均值为0，方差为，且， 其中，表示维矩阵，表示损失函数在相邻集合上差值的上界，，表示-差分隐私边界参数； 步骤S2.3：验证节点通过执行局部准确度校验子步骤为局部模型评分，得到对应的评分结果； 步骤S2.4：验证节点聚合模型，将全局模型和所述评分结果通过拜占庭公式存储到区块链上； 步骤S2.5：将当前训练周期中的最高工作节点作为下一周期的竞价节点，重复执行所述步骤S2.1至步骤S2.4，直至训练结束。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。