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！

龙图腾网获悉南京邮电大学申请的专利一种自适应差分隐私联邦学习训练方法、介质及设备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：CN120124780B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202510601003.9，技术领域涉及：G06N20/00；该发明授权一种自适应差分隐私联邦学习训练方法、介质及设备是由杨健;张世召;夏友旭;王藤遇;周善康;马宇晨;王铮;贾继强;刘明浩;孟令旺设计研发完成，并于2025-05-12向国家知识产权局提交的专利申请。

本一种自适应差分隐私联邦学习训练方法、介质及设备在说明书摘要公布了：本发明公开了一种自适应差分隐私联邦学习训练方法、介质及设备，其中方法包括：S1、云服务器选取客户端，并将全局模型参数和裁剪阈值广播至选定的客户端；S2、被选定的客户端利用个性化本地动量机制对全局模型进行修正，并在本地执行客户端模型训练；S3、云服务器对客户端模型参数进行聚合，生成新的全局模型；S4、计算新的全局模型的损失值，若损失值连续三轮下降，则调整裁剪阈值；S5、当客户端模型的聚合次数到达预设通信轮次，则停止训练，反之，则返回S1，继续进行下一轮的训练。本发明不仅能够提高训练效率，还能有效应对数据分布变化，在保证差分隐私的前提下提升训练效果。

本发明授权一种自适应差分隐私联邦学习训练方法、介质及设备在权利要求书中公布了：1.一种自适应差分隐私联邦学习训练方法，其特征在于，包括以下步骤： S1、云服务器根据客户端随机调度策略选取客户端，并将全局模型参数和裁剪阈值广播至选定的客户端； S2、被选定的客户端利用个性化本地动量机制对全局模型进行修正，形成客户端模型，并在本地执行客户端模型训练； S3、云服务器接收到本轮所有参与训练的客户端模型后，对客户端模型参数进行聚合，生成新的全局模型； S4、计算新的全局模型的损失值，若损失值连续三轮下降，则调整裁剪阈值，直至客户端模型的聚合次数达到预设通信轮次； S5、当客户端模型的聚合次数到达预设通信轮次，则停止基于个性化本地动量的自适应差分隐私联邦学习训练，反之，则返回所述S1，继续进行下一轮的训练； 所述S2进一步包括： S21、每个客户端均在本地存储个性化动量，被选定的客户端在接收到由云服务器广播的全局模型后，利用本地个性化动量初始化客户端模型： 其中： i表示客户端； t表示通信轮次； 表示客户端i在第t轮通信中的初始化模型，即第0次本地迭代模型； 表示客户端i在第t轮通信中的个性化动量； S22、客户端i采用本地数据集Di进行训练，以为损失函数，其中，xj表示本地数据集中第j个样本的输入特征，yj表示本地数据集中第j个样本对应的真实标签，则客户端i在本地数据集Di上的损失函数定义为： 客户端i使用修正后的初始化模型，利用本地数据集Di求解最优参数w，目标是找到最小化损失函数的最优模型参数； S23、客户端i基于随机梯度下降算法进行k轮本地迭代，更新方式为： 其中，η表示计算模型更新步长，表示模型梯度，表示客户端i第k轮本地迭代的模型，表示客户端i第k-1轮本地迭代的模型； S24、客户端i结束本地迭代后，计算本地更新Δwi为： 其中，表示客户端i在第t轮通信中执行k轮本地迭代后的模型； 并更新个性化本地动量为： 其中，λ1和λ2为动量系数，且0λ11，0λ21，表示客户端i在第t+1轮通信中的个性化动量； S25、根据由云服务器接收到的裁剪阈值Ct对本地更新Δwi进行裁剪： 并加入满足ε-差分隐私的高斯噪声： 其中： ε表示隐私保护力度，ε值越小，则加入噪声越多，隐私保护力度越大； 表示高斯噪声，σ为噪声乘数系数； 表示客户端i被裁剪后的模型参数； 表示客户端i加入高斯噪声后的模型参数； S26、加噪结束后，客户端i将参数上传至云服务器。

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南京邮电大学，其通讯地址为：210000 江苏省南京市栖霞区文苑路9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”。