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！

龙图腾网获悉中央财经大学申请的专利基于特征重要性的纵向联邦学习方法、装置及电子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：CN120850343B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202510960525.8，技术领域涉及：G06F21/62；该发明授权基于特征重要性的纵向联邦学习方法、装置及电子设备是由高胜;赵晓玉;朱建明设计研发完成，并于2025-07-11向国家知识产权局提交的专利申请。

本基于特征重要性的纵向联邦学习方法、装置及电子设备在说明书摘要公布了：本发明涉及基于特征重要性的纵向联邦学习方法、装置及电子设备，以本地特征重要性为驱动，通过轻量化神经网络实现客户端本地的隐私预算生成器，进而实现“特征级隐私预算”到“嵌入维度扰动”到“建议隐私预算上传”到“服务器端梯度加噪”的协同闭环，同时引入离散等级划分和建议隐私预算扰动机制来避免服务器端反推出隐私内容，从而提升了系统整体的差分隐私安全性与实用性。

本发明授权基于特征重要性的纵向联邦学习方法、装置及电子设备在权利要求书中公布了：1.基于特征重要性的纵向联邦学习方法，其特征在于，包括以下步骤： 客户端对本地原始特征进行评估，生成特征重要性向量； 具体为，服务器生成标签指示矩阵并加密得到发送到客户端；客户端将本地样本集合划分为b个子簇，对于每一个子簇计算其属于第k类标签的比例，其中表示样本索引的集合，为第a个样本的真实类别是否为第k类，若等于1，则表示是第k类；计算每个子簇的Gini不纯度，聚合得到每个特征全局重要性评分，其中，为特征维度，为类标签，为客户端m的第j个特征；服务器对解密后发回客户端，客户端初始化特征重要性向量，进行归一化处理后，得到标准化的特征重要性向量： ； 以特征重要性向量作为输入，客户端构建轻量神经网络为隐私预算生成器，输出与特征重要性向量对应的特征级隐私预算向量； 客户端利用与本地嵌入模型结构一致、共享参数的伪模型副本生成嵌入级隐私预算向量，根据嵌入级隐私预算向量，对本地嵌入向量进行加噪，生成隐私保护的加噪嵌入向量； 客户端将嵌入级隐私预算向量进行离散化后生成建议隐私预算向量； 服务器接收加噪嵌入向量和建议隐私预算向量，前向传播计算损失函数； 服务器进行梯度计算并更新参数； 服务器基于建议隐私预算向量对梯度进行加噪，生成加噪梯度； 客户端接收加噪梯度并进行本地嵌入模型更新、隐私预算生成器更新和特征重要性更新。

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中央财经大学，其通讯地址为：100081 北京市海淀区学院南路39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。