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！

龙图腾网获悉河北科技师范学院申请的专利一种基于隐私保护的电商用户画像设计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：CN120493297B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202510552776.2，技术领域涉及：G06F21/62；该发明授权一种基于隐私保护的电商用户画像设计方法是由郝天保;任志琴;郝保;陈艳霞设计研发完成，并于2025-04-29向国家知识产权局提交的专利申请。

本一种基于隐私保护的电商用户画像设计方法在说明书摘要公布了：本发明公开了一种基于隐私保护的电商用户画像设计方法，属于计算机技术领域，包括：获取电商平台的用户数据后对电商的用户数据进行处理，包括数据分级，敏感数据分类和敏感数据识别；对敏感数据进行数据脱敏处理，根据不同分层标签采用不同的脱敏规则，包括静态脱敏和动态脱敏；驱动跨平台用户画像的联邦学习模型建模，包括横向联邦学习和纵向联邦学习；通过大模型增强隐私保护机制，包括大语言模型和联邦大模型训练；输出最终隐私保护用户画像。本发明基于隐私保护的电商用户画像设计方法能够有效保护用户的敏感信息不被泄露，具有更高的实际意义。

本发明授权一种基于隐私保护的电商用户画像设计方法在权利要求书中公布了：1.一种基于隐私保护的电商用户画像设计方法，其特征在于：包括以下步骤： S1、获取电商平台的用户数据后对电商的用户数据进行处理，包括数据分级，敏感数据分类和敏感数据识别； S2、对敏感数据进行数据脱敏处理，根据不同分层标签采用不同的脱敏规则，包括静态脱敏和动态脱敏； S3、驱动跨平台用户画像的联邦学习模型建模，包括横向联邦学习和纵向联邦学习； S4、通过大模型增强隐私保护机制，包括大语言模型和联邦大模型训练； S5、输出最终隐私保护用户画像； S1具体包括以下步骤： S11数据分级，根据数据的隐私程度对数据进行分级划分，将数据分为公开级数据、内部级数据和敏感数据； S12对敏感数据分类； 所述敏感数据包括敏感级数据和高级敏感级数据；将敏感数据进行分类划分，包括业务数据、组织数据和其他数据； S13建立敏感信息样本库，根据敏感信息的识别规则进行敏感数据识别，生成数据源标签； 敏感信息库内置各类敏感信息的识别规则，包括但不限于：身份证号码、手机号码、生日和信用卡号码； S2具体包括以下步骤： S21采用分层加密机制对敏感字段进行识别与标记，基于正则表达式和自然语言处理模型自动识别个人可识别信息字段，分层的标签如下： 一级敏感数据进行静态脱敏； 二级敏感数据进行动态脱敏； 普通字段进行明文分析； S22静态脱敏：创建多任务实例，每个任务绑定不同数据源，通过JDBC参数配置连接信息，并基于数据源标签自动匹配脱敏策略； S23动态脱敏算法：多个数据源的数据库系统通过配置隐私保护规则，并加密处理后，通过联邦查询系统进行多模数据联邦查询； S3具体包括以下步骤： S31横向联邦学习； 数据对齐，通过私有集合交集协议对齐多平台用户ID，确保数据不出域；模型训练，各参与方本地训练用户兴趣模型，加密上传参数至聚合服务器： 其中，为本地模型参数，为差分隐私预算，为全局模型参数，K为训练次数，为梯度下降函数，为样本权重，n为样本空间数量； S32纵向联邦学习； 特征融合，电商平台联合支付机构，融合用户行为与信用数据，提升画像精度；安全聚合，采用SecureAggregation协议，防止参数反推原始数据； S4具体包括以下步骤： S41利用大语言模型提示词对用户输入进行实时脱敏和知识蒸馏； S42基于本地数据对联邦学习模型进行训练，通过调整ϵ值平衡隐私保护强度与联邦学习模型性能‌； 分布式微调： 各平台基于本地数据调节联邦学习模型基座，仅共享低秩适配矩阵： 其中，为调节后的模型参数，为原始模型参数，秩为r的低质矩阵参数； 差分隐私注入，在训练梯度中添加高斯噪声，满足差分隐私。

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河北科技师范学院，其通讯地址为：066004 河北省秦皇岛市海港区河北大街360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。