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！

龙图腾网获悉成都浩孚科技有限公司申请的专利基于因果推断与多任务学习的目标行为预测系统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：CN121436221B 。

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：202512034760.5，技术领域涉及：G06N20/00；该发明授权基于因果推断与多任务学习的目标行为预测系统是由曾钦勇;尹小杰设计研发完成，并于2025-12-31向国家知识产权局提交的专利申请。

本基于因果推断与多任务学习的目标行为预测系统在说明书摘要公布了：本发明涉及基于因果推断与多任务学习的目标行为预测系统技术领域，具体公开了基于因果推断与多任务学习的目标行为预测系统。该系统包括中心协调服务器和多个参与方客户端，通过联邦因果发现算法协同构建全局因果图并确定各预测任务的因果特征子集，并在此约束下通过联邦平均算法进行多任务模型训练，过程中综合运用差分隐私与同态加密技术保护数据隐私。本发明能够在保护各方数据隐私的前提下，实现更准确的因果发现与更可靠的预测模型训练。

本发明授权基于因果推断与多任务学习的目标行为预测系统在权利要求书中公布了：1.基于因果推断与多任务学习的目标行为预测系统，其特征在于，包括： 中心协调服务器，部署有全局因果图学习模块、全局多任务预测模型聚合模块与安全聚合协议引擎； 至少2个参与方客户端，每个参与方客户端部署有本地因果特征提取模块、本地多任务预测模型、本地差分隐私扰动单元与同态加密计算单元； 所述全局因果图学习模块，用于基于从各参与方客户端接收的加密因果统计量，执行联邦因果发现算法，构建并迭代更新全局因果图；所述全局多任务预测模型聚合模块，用于基于从各参与方客户端接收的加密模型参数更新量，执行联邦平均算法，聚合生成并分发更新后的全局多任务预测模型；所述安全聚合协议引擎，用于协调并执行各参与方客户端之间的安全多方计算流程； 所述联邦因果发现算法的执行过程如下： 所述全局因果图学习模块初始化包含所有参与方共有变量的空因果图； 在每一轮迭代中，所述中心协调服务器通过安全聚合协议引擎，向所有参与方客户端广播当前待检验的条件独立性假设； 每个参与方客户端的本地因果特征提取模块，基于其本地私有数据集计算该假设对应的条件独立性检验统计量，并经本地差分隐私扰动单元加噪后，由同态加密计算单元加密发送； 所述安全聚合协议引擎协调各参与方，对接收到的所有加密加噪统计量进行安全求和与解密，得到聚合后的全局统计量； 所述全局因果图学习模块依据该全局统计量是否大于预设的显著性阈值，来决定接受或拒绝该条件独立性假设，并据此在因果图中添加、删除或定向边； 此过程迭代进行，直至因果图结构不再发生变化或达到预设的最大迭代轮数； 所述安全聚合协议引擎采用基于阈值秘密分享的安全多方求和协议； 所述安全多方求和协议的执行过程如下：当参与方客户端需要上传加密数据时，同态加密计算单元首先将数据分割为多个份额，并使用其他参与方的公钥分别加密这些份额； 加密后的份额被分发给所有其他参与方客户端及中心协调服务器，使得任何参与方或服务器仅持有数据的一部分份额，无法复原原始数据； 在聚合阶段，各参与方与服务器协作，在密文状态下对份额进行求和运算，最终仅输出聚合结果的明文，而无法获知任何单个参与方的具体输入值； 所述本地因果特征提取模块，用于基于本地存储的私有数据集，计算预定义的因果统计量，所述本地多任务预测模型，用于接收由全局多任务预测模型聚合模块下发的模型参数进行初始化，并基于本地私有数据集进行训练，以输出针对至少2个相关预测任务的预测结果；所述本地差分隐私扰动单元，用于在本地因果特征提取模块计算出的因果统计量被发送至中心协调服务器之前，对其添加符合差分隐私定义的拉普拉斯噪声或高斯噪声；所述同态加密计算单元，用于对本地多任务预测模型训练产生的模型参数更新量进行同态加密操作，生成加密模型参数更新量，并发送至中心协调服务器。

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成都浩孚科技有限公司，其通讯地址为：610094 四川省成都市高新区天府五街200号3栋B区3楼306-307室；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。