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！

龙图腾网获悉贵州财经大学;福泉市第一人民医院申请的专利一种医疗数据隐私保护的方法及装置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：CN120974542B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511477320.0，技术领域涉及：G06F21/62；该发明授权一种医疗数据隐私保护的方法及装置是由曾智斌;胡鲲;蒋合领;刘文江;张菀辰;吴林江设计研发完成，并于2025-10-16向国家知识产权局提交的专利申请。

本一种医疗数据隐私保护的方法及装置在说明书摘要公布了：本发明公开了一种医疗数据隐私保护的方法及装置，涉及医疗数据安全领域。该方法包括：获取多个医疗机构的医疗数据特征信息，形成医疗数据特征图谱；基于医疗数据特征图谱构建分层联邦学习框架；通过递归上下文引导网络的卷积加权方法进行参数聚合优化；采用动态差分隐私预算分配策略结合多首选项Lambda加权列表DPO技术优化噪声注入过程，实现自适应差分隐私保护；结合同态加密技术通过安全聚合协议进行多方计算，得到医疗数据隐私保护分析系统。本发明实现了在保护医疗数据隐私的同时进行高效协作分析，解决现有技术中简单参数交换可能导致模型反演攻击、缺乏针对医疗场景的特殊优化以及监管和审计机制不完善问题，提高了医疗数据利用效率和安全性。

本发明授权一种医疗数据隐私保护的方法及装置在权利要求书中公布了：1.一种医疗数据隐私保护的方法，其特征在于，包括： 获取多个医疗机构的医疗数据特征信息，对所述医疗数据特征信息按数据来源、结构特征、质量特征和隐私敏感度进行系统性分析，形成医疗数据特征图谱； 基于所述医疗数据特征图谱，采用横向联邦学习、纵向联邦学习和联邦迁移学习进行混合式框架设计，构建分层联邦学习框架； 对所述分层联邦学习框架中的模型参数，通过递归上下文引导网络的卷积加权方法进行参数聚合优化，生成优化后的联邦学习模型，包括：获取所述分层联邦学习框架中各医疗机构提交的模型参数更新量，采用递归神经网络结构提取参数变化的上下文特征，生成上下文特征向量；对所述上下文特征向量，通过多层卷积神经网络进行卷积操作，生成权重映射矩阵；基于所述权重映射矩阵，采用原始对偶优化方法进行参数聚合，得到所述优化后的联邦学习模型； 基于所述优化后的联邦学习模型和所述医疗数据特征图谱的医疗数据隐私敏感度评估结果，采用动态差分隐私预算分配策略结合多首选项Lambda加权列表DPO技术优化噪声注入过程，实现自适应差分隐私保护，包括：获取所述医疗数据特征图谱的医疗数据隐私敏感度评估结果，建立分层预算分配机制，生成动态预算分配方案；基于所述动态预算分配方案，根据分析任务的类型、重要性和敏感度需求设计任务感知的预算调整算法，形成任务适配的预算策略；对所述任务适配的预算策略，构建多方首选项模型并生成Lambda加权列表，形成噪声分布调整策略；基于所述噪声分布调整策略，采用直接偏好优化方法进行噪声注入参数优化，实现所述自适应差分隐私保护；其中，所述多首选项Lambda加权列表DPO技术还包括：获取医疗机构对隐私保护的要求、模型使用方对准确性的需求和监管方对合规性的期望，通过效用函数形式化表达各方首选项，构建多方首选项模型；基于所述多方首选项模型，生成一系列调整因子Lambda用于动态调整差分隐私噪声的分布特性，构建Lambda加权列表；对所述Lambda加权列表，采用策略梯度算法将噪声注入策略参数化，生成参数化噪声策略；基于所述参数化噪声策略，通过监控模型参数的敏感度变化和训练进度自动调整噪声分布参数，实现自适应噪声调整，得到自适应噪声调整结果；对所述自适应噪声调整结果，采用直接偏好优化方法针对模型准确率与隐私保护强度的加权和进行优化，得到优化后的差分隐私保护机制； 基于所述自适应差分隐私保护，结合同态加密技术，通过安全聚合协议进行多方计算，得到医疗数据隐私保护分析系统。

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贵州财经大学;福泉市第一人民医院，其通讯地址为：550000 贵州省贵阳市花溪区贵州财经大学；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。