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！

龙图腾网获悉暨南大学申请的专利一种面向异构联邦学习环境的隐私保护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：CN120880799B 。

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：202511385242.1，技术领域涉及：H04L9/40；该发明授权一种面向异构联邦学习环境的隐私保护方法是由杨安家;刘腾飞;翁健;陈泯融;刘逸;李明;刘家男;刘小丽设计研发完成，并于2025-09-26向国家知识产权局提交的专利申请。

本一种面向异构联邦学习环境的隐私保护方法在说明书摘要公布了：本发明公开了一种面向异构联邦学习环境的隐私保护方法，属于数据标注技术领域，包括以下步骤：客户端根据服务器的要求上传加密梯度；服务器基于预设的训练轮次依据加密梯度的余弦距离对客户端进行隐私保护聚类，在聚类过程中利用同态加密与秘密共享优化聚类结果；根据聚类结果，服务器对每个客户端持有初始模型进行簇内聚合和簇间聚合，获得全局模型份额；在聚类完成后，服务器分别向参与聚合的每个客户端发送全局模型份额，客户端在本地重建并更新初始模型；基于更新后的模型实现异构联邦学习环境的隐私保护。本发明为联邦学习中的隐私保护提供了一种高效且安全的解决方案。

本发明授权一种面向异构联邦学习环境的隐私保护方法在权利要求书中公布了：1.一种面向异构联邦学习环境的隐私保护方法，其特征在于，包括以下步骤： 客户端根据服务器的要求上传加密梯度； 服务器基于预设的训练轮次依据加密梯度的余弦距离对客户端进行隐私保护聚类，在聚类过程中利用同态加密与秘密共享优化聚类结果； 根据聚类结果，服务器对每个客户端持有初始模型进行簇内聚合和簇间聚合，获得全局模型份额； 在聚类完成后，服务器分别向参与聚合的每个客户端发送全局模型份额，客户端在本地重建并更新初始模型； 基于更新后的模型实现异构联邦学习环境的隐私保护； 服务器基于预设的训练轮次依据加密梯度的余弦距离对客户端进行隐私保护聚类，在聚类过程中利用同态加密与秘密共享优化聚类结果的过程包括： 基于语义安全的同态加密执行聚类计算，生成公钥与私钥；基于生成的公钥与私钥，客户端生成秘密份额并发送给对应服务器，服务器设置梯度矩阵份额并计算相关参数，协同执行以获得互不重叠的簇索引矩阵的秘密份额，重构聚类结果； 基于语义安全的同态加密执行聚类计算，生成公钥与私钥之后还包括： 基于秘密共享下的矩阵乘法需求，获取乘法三元组矩阵；基于乘法三元组矩阵，本地计算目标矩阵份额，基于目标矩阵份额两服务器重构矩阵并完成矩阵乘法；预设比较机制输出秘密份额，并采用除法协议进行盲化处理，简化秘密份额间的除法为本地除法运算，获取除法结果，最终服务器拥有簇质心的秘密份额。

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暨南大学，其通讯地址为：510632 广东省广州市天河区黄埔大道西601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。