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！

龙图腾网获悉河北师范大学申请的专利基于有界无偏差分隐私保护的联邦学习方法及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：CN121413710B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202510976921.X，技术领域涉及：G06N3/098；该发明授权基于有界无偏差分隐私保护的联邦学习方法及系统是由张军鹏;王新扬;解滨;李梦倩;汪旭;赵家奇;朱辉设计研发完成，并于2025-07-16向国家知识产权局提交的专利申请。

本基于有界无偏差分隐私保护的联邦学习方法及系统在说明书摘要公布了：本发明公开了一种基于有界无偏差分隐私保护的联邦学习方法及系统，主要解决现有技术不易实现隐私保护与模型性能权衡的问题。其实现方案包括：通过服务器构建教师‑学生蒸馏模型架构；对教师模型和学生模型进行本地训练，通过教师模型生成含类别关系的软标签指导学生模型联合优化交叉熵与KL散度损失；构建包括基线函数和拱顶函数的扰动函数，通过基线函数构建均匀扰动基底，拱顶函数调节期望无偏的扰动，实现有界无偏差分的隐私保护；对扰动后的学生模型进行加权平均聚合。本发明通过有界无偏差分隐私机制与联邦蒸馏架构的协同设计，能在保证严格隐私保护的同时显著提升联邦学习在Non‑IID数据场景下的模型性能和训练效率，可用于医疗、金融、智慧城市及工业物联网等领域。

本发明授权基于有界无偏差分隐私保护的联邦学习方法及系统在权利要求书中公布了：1.一种基于有界无偏差分隐私保护的联邦学习方法，其特征在于，包括： 获取数据集，对其进行数据类别划分并为每个客户端分配1至2个类别的数据分片，使其成为非独立同分布Non-IID情况； 服务器构建全局教师模型和全局学生模型，其中教师模型采用深层网络结构的完全本地化设计，学生模型采用轻量架构，并将这两个模型及其初始化参数广播至所有参与的客户端； 各客户端根据下发的参数初始化本地教师模型和学生模型副本，并在本地部署教师-学生蒸馏模型架构，其中教师模型在本地私有数据上训练后，通过温度缩放机制生成包含类别间相似性信息的软标签，用于指导学生模型训练；学生模型一方面通过交叉熵损失拟合真实标签，另一方面通过KL散度损失匹配教师模型输出的软标签分布，以学习到教师模型提取的深层语义特征； 客户端采用有界无偏差分隐私机制对上传的学生模型梯度进行扰动，并上传给服务器； 所述客户端采用有界无偏差分隐私机制对上传的学生模型梯度进行扰动，包括： 5a构建包括基线函数和拱顶函数的扰动函数，包括： 5a1定义基线函数：； 5a2定义二次函数作为拱顶函数： ， 其中，在中心点p附近[]的区间内形成抛物线形的调节窗口，在其他区域则保持零值输出，以实现对扰动期望值的微调； 5a3将基线函数与拱顶函数相加，得到扰动函数P： ； 5b将学生模型准备上传到服务器进行聚合的梯度张量展平为一维向量梯度张量； 5c通过差分进化算法为每个梯度找到符合设定约束条件的参数组合p,q,y,L1,L2传入扰动函数，其中，p和q为拱顶函数中的两个不同参数，p用于调节拱顶函数的中心位置，q用于调节拱顶函数的高度；y为基线函数的参数，用于提供了基础的概率分布；-L1为基线函数、拱顶函数及扰动函数的左边界，L2为基线函数、拱顶函数及扰动函数的的右边界； 5d对展平后梯度向量中的每个梯度值，通过其对应的参数优化后的扰动函数，将其转换为有界且无偏的随机值，即为扰动后的梯度； 5e将扰动后的梯度重新组装为原始张量结构； 服务器仅对学生模型进行聚合，并对各客户端上传的扰动后的学生模型梯度进行加权平均计算，更新全局学生模型后开启新一轮训练循环，直至模型收敛或达到预设轮次完成联邦学习过程。

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师范大学，其通讯地址为：050025 河北省石家庄市南二环东路20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。