買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南京郵電大學申請的專利一種基于區(qū)塊鏈與同態(tài)加密的聯(lián)邦學習隱私保護方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN115549888B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202211198265.8，技術領域涉及：H04L9/00；該發(fā)明授權一種基于區(qū)塊鏈與同態(tài)加密的聯(lián)邦學習隱私保護方法是由鄧松;張杰;胡琦聰;岳東設計研發(fā)完成，并于2022-09-29向國家知識產(chǎn)權局提交的專利申請。

本一種基于區(qū)塊鏈與同態(tài)加密的聯(lián)邦學習隱私保護方法在說明書摘要公布了：本發(fā)明公開了一種基于區(qū)塊鏈與同態(tài)加密的聯(lián)邦學習隱私保護方法，包括以下步驟：S1.聯(lián)邦學習的參與方加密本地模型參數(shù)，并將其發(fā)送給聚合服務器；S2.聚合服務器接收聯(lián)邦學習的各個參與方加密后的完整模型參數(shù)并進行聚合處理，獲得聚合的密文狀態(tài)全局模型參數(shù)；S3.聯(lián)邦學習的各個參與方接收聚合服務器分發(fā)的聚合的密文狀態(tài)全局模型參數(shù)，將其解密后載入本地模型，若不收斂則轉至步驟S1中對應環(huán)節(jié)，否則完成訓練并保存全局模型。本方法可以高效率、輕量級地實現(xiàn)聯(lián)邦學習中的隱私保護，保障隱私性的同時還保證了聯(lián)邦學習的準確率，并減少了一定的計算開銷，引入?yún)^(qū)塊鏈網(wǎng)絡保證了各個參與方的有效安全身份，有效防范惡意節(jié)點攻擊。

本發(fā)明授權一種基于區(qū)塊鏈與同態(tài)加密的聯(lián)邦學習隱私保護方法在權利要求書中公布了：1.一種基于區(qū)塊鏈與同態(tài)加密的聯(lián)邦學習隱私保護方法，其特征在于，包括以下步驟： S1.加密本地模型參數(shù)，具體包括步驟S11、S12、S13、S14和S15； S11.聯(lián)邦學習的參與方k接收聚合服務器所分發(fā)的全局模型并確定初始的模型參數(shù)Wk,0，參與方k利用本地數(shù)據(jù)執(zhí)行本地訓練，設定本地訓練的損失函數(shù)，根據(jù)損失函數(shù)確定相對于更新前模型總的加權后的損失并更新本地模型第S次訓練后的模型參數(shù)Wk,S，參與方k的模型參數(shù)Wk,S包括權重層Wk,S[weigt]和偏置層Wk,S[bias]； S12.參與方k生成拉普拉斯噪聲rk并上傳至區(qū)塊鏈網(wǎng)絡緩存，對本地模型參數(shù)中的權重層Wk,S[weigt]進行加密，獲得密文狀態(tài)的權重層[[Wk,S[weigt]]],表達式為 [[Wk,S[weigt]]]＝Wk,S[weigt]+rk； S13.參與方k初始化CKKS全同態(tài)加密算法的安全等級參數(shù)λ，確定一個為2的冪次的整數(shù)N，確定特殊模數(shù)P，確定密文對應的深度L，選定模數(shù)q，令變量Q＝q×PL，選擇私鑰相關的密鑰分布χs，選擇私鑰相關的錯誤的密鑰分布χe，選擇私鑰相關的隨機的密鑰分布χr； S14.參與方k根據(jù)χs、χe、Q設置私鑰sk并計算出公鑰pk，存在映射關系s←χs、a←RQ、e←χe，令變量b＝-a*s+emodQ； 基于上述映射關系，實現(xiàn)私鑰的設置，表達式為sk←1,s； 計算公鑰的表達式為 其中，s為基于私鑰相關的密鑰分布χs的卡方隨機抽取，RQ表示模Q的余數(shù)空間，a為基于RQ的卡方隨機抽取，e為基于私鑰相關的錯誤的密鑰分布χs的卡方隨機抽取； S15.參與方k根據(jù)χr生成數(shù)據(jù)噪聲r，根據(jù)χe生成隨機噪聲e0、e1，將Wk,S[bias]編碼為明文多項式Wk,S[bias]′，并將明文多項式Wk,S[bias]′加密，表達式為[[Wk,S[bias]′]]←r*pk+m+e0,e1modQ； 其中，m為明文多項式； S2.聚合服務器接收聯(lián)邦學習的各個參與方加密后的完整模型參數(shù)[[Wk,S]]，并進行聚合處理，獲得聚合的密文狀態(tài)全局模型參數(shù)[[Wgolobal,S]]，具體步驟包括： S21.聚合服務器將通過區(qū)塊鏈接收到的各參與方的模型參數(shù)整合為模型參數(shù)集合{[[W1,S]],[[W2,S]]……[[Wk,S]]……[[Wn,S]]}； S22.聚合服務器通過加權平均算法對接收的密文狀態(tài)下的各參與方的模型參數(shù)進行計算，表達式為 S3.聯(lián)邦學習的各個參與方接收聚合服務器分發(fā)的聚合的密文狀態(tài)全局模型參數(shù)[[Wgolobal,S]]，將其解密后載入本地模型，若不收斂則轉至步驟S12，否則完成訓練并保存全局模型，其解密的具體步驟包括： S31.利用區(qū)塊鏈網(wǎng)絡的智能合約讀取參與方緩存的隨機擾動rk并消除[[Wglobal,S[weight]]]中的擾動，表達式為 S32.各參與方進一步將[[Wglobal,S[[bias]′]]解密為明文，表達式為

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人南京郵電大學，其通訊地址為：210003 江蘇省南京市鼓樓區(qū)新模范馬路66號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。