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！

龙图腾网获悉长春理工大学申请的专利一种泛在网络多模态隐私数据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：CN120671189B 。

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：202510801717.4，技术领域涉及：G06F21/62；该发明授权一种泛在网络多模态隐私数据保护方法是由底晓强;何熊文;金玉波;李锦青;王宇;刘文懋设计研发完成，并于2025-06-16向国家知识产权局提交的专利申请。

本一种泛在网络多模态隐私数据保护方法在说明书摘要公布了：本发明涉及隐私数据保护技术领域，且公开了一种泛在网络多模态隐私数据保护方法，该方法包括：客户端对脑电、眼电、肌电等多模态生理信号进行带通滤波、标准化及滑动窗口切片预处理；对所得时序数据窗口按预设频段提取并融合频带判别特征；在本地执行模型训练并计算参数更新差值，注入差分隐私噪声；基于Groth16协议生成非交互式零知识证明，并将含噪差值及证明上传至可信第三方；可信第三方验证通过后对差值进行混淆并转发至中央服务器；中央服务器按样本权重聚合更新全局模型并下发客户端。该方法实现了多模态信号端侧自适应融合与分布式隐私保护的高效协同，并通过非交互式证明机制保障参数交互的安全可信。

本发明授权一种泛在网络多模态隐私数据保护方法在权利要求书中公布了：1.一种泛在网络多模态隐私数据保护方法，其特征在于，包括: S1:采集多模态生理信号并对其进行带通滤波、标准化及滑动窗口切片处理，以生成统一尺度的时序数据窗口； S2：对所述时序数据窗口进行频带特征提取与融合，构建综合判别特征； S3：对所述综合判别特征执行本地模型训练，计算本地模型训练后参数与当前全局模型参数的差值并对所述差值添加噪声； S4：基于Groth16协议和公共参考字符串，为加噪后的所述差值生成非交互式零知识证明，并将加噪后的参数差值及对应的非交互式零知识证明一并上传至可信第三方； S5：所述可信第三方对所述非交互式零知识证明进行验证，在验证通过后，对加噪后的所述差值进行随机混淆，并将混淆后的差值转发至中央服务器； S6：所述中央服务器对所述差值进行加权平均后更新全局模型参数，并将更新后的全局模型参数分发至各客户端，进入下一轮联邦训练迭代； 所述S2，包括： S21：对每种模态的每个所述时序数据窗口，按预设的频段采用带通滤波器分别提取4个子频段信号； S22：对所述4个子频段信号独立计算微分熵,得到4维微分熵特征向量； S23：对每个时序数据窗口，将其4维微分熵特征向量分别映射为4个通道，并按电极空间布局拼接成1张多通道2D特征图； S24：将所述2D特征图输入基于ECA的ResNet编码器,得到高维特征向量； S25：对同一模态下所有窗口的高维特征向量进行池化操作,得到该模态的整体特征,再将各模态所述整体特征通过注意力机制融合,得到综合判别特征向量； 所述S5，包括： S51：所述可信第三方接收客户端上传的所述非交互式零知识证明及差值，记录接收时间戳，并与携带的时间戳比较，只有当二者时间差不超过预设阈值时方可继续，否则拒绝； S52：使用预置的验证密钥对零知识证明进行校验，按照Groth16协议要求验证证明各组成元件的正确性； S53：验证通过后，可信第三方生成随机挑战消息并发送给客户端，客户端返回确认码后，确认该证明是在可信时窗内实时生成； S54：对已加噪的差值通过随机置换进行随机混淆并转发至中央服务器。

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长春理工大学，其通讯地址为：130000 吉林省长春市卫星路7089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。