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

龍圖騰網獲悉山東浪潮科學研究院有限公司申請的專利一種圖卷積神經網絡聯邦建模方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116415040B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310476459.8，技術領域涉及：G06F16/901；該發明授權一種圖卷積神經網絡聯邦建模方法是由孫善寶;賈蔭鵬;沈國棟;羅清彩;李銳設計研發完成，并于2023-04-28向國家知識產權局提交的專利申請。

本一種圖卷積神經網絡聯邦建模方法在說明書摘要公布了：本發明涉及圖神經網絡技術領域，具體為一種圖卷積神經網絡聯邦建模方法，包括以下步驟：提取整體圖模型結構特征；選擇公共節點子圖；訓練子圖模型聯邦建模的模型；訓練整體圖模型；推理預測任務；有益效果為：本發明提出的圖卷積神經網絡聯邦建模方法針對節點重合等真實業務復雜建模需求場景，充分考慮參與建模的數據所有者各自擁有圖數據的相關性，根據策略選擇，采用隱私集合求交PSI協議確定共同節點，選出價值高的共同節點，基于選中的公共節點形成的子圖進行安全聯合建模，進而匯入整體圖數據結構，完成整體圖數據的安全建模。相較于傳統的建模方式，通過公共節點子圖圖卷積安全聯合建模的方式，能夠更好挖掘出機構數據之間的深層聯系。

本發明授權一種圖卷積神經網絡聯邦建模方法在權利要求書中公布了：1.一種圖卷積神經網絡聯邦建模方法，其特征在于：所述方法包括以下步驟： 提取整體圖模型結構特征； 選擇公共節點子圖； 訓練子圖模型聯邦建模的模型； 訓練整體圖模型； 推理預測任務； 提取整體圖模型結構特征包括以下步驟： 步驟101、根據業務領域預測任務Pred的需求，選定影響預測任務的數據特征； 步驟102、各個聯合建模方收集預測任務Pred業務領域海量數據，獲取預測任務的真實標簽，形成訓練數據； 步驟103、各個聯合建模方i通過圖結構特征生成器GSGen對各自訓練數據進行處理，生成圖結構GS-i； 選擇公共節點子圖包括以下步驟： 步驟201、隱私集合求交PSI模塊設定隱私集合求交規則，默認為所有參與方的公共節點為隱私求交結果； 步驟202、節點選擇模塊NSC設定公共節點選擇策略，設定公共節點數量、公共節點占比、優先節點選擇規則參數； 步驟203、根據各個聯合建模方i擁有的圖結構GS-i的節點集合，通過隱私集合求交PSI模塊，進行多方的安全集合求交，獲取公共節點集合； 步驟204、節點選擇模塊NSC對公共節點集合進行判斷，不滿足節點選擇策略的要求，則重新設定隱私集合求交規則，由隱私集合求交PSI模塊重新選擇； 步驟205、滿足設定的選擇策略，節點選擇模塊NSC選出公共節點集合SelNodeSet； 步驟206、改變公共節點選擇策略設定，針對圖數據找到最優的節點選擇策略； 訓練子圖模型聯邦建模的模型包括以下步驟： 步驟301、各個聯合建模方i通過子圖結構特征生成器SubGSGen對各自擁有的圖結構GS-i進行處理，結合選出公共節點集合SelNodeSet，生成圖結構SelGS-i； 步驟302、將子圖結構生成器SubGSGen、圖卷積操作、安全聚合模塊SF以及預測任務Pred構成一個模型來進行訓練； 步驟303、各個聯合建模方i對圖結構SelGS-i分別進行GCN圖卷積操作，形成各自的節點嵌入向量和關系嵌入向量； 步驟304、將各個聯合建模方形成的節點嵌入向量和關系嵌入向量通過安全聚合模塊SF基于秘密分享方法，進行加權平均安全聚合； 步驟305、將安全聚合結果的嵌入向量輸入到所述的預測任務Pred輸出標簽； 步驟306、通過損失梯度計算模型更新模塊CL對預測任務Pred輸出的預測結果與預測任務實際標簽進行計算，并將誤差反向傳播更新模型； 步驟307、節點向量距離計算NVC模塊設定tripleloss損失函數，通過計算各方共同節點的嵌入向量的余弦相似度距離，使其最小化相同節點之間的節點嵌入向量距離，最大化不同節點的嵌入向量距離，并將梯度反向傳播，更新所述的圖結構生成器SubGSGen； 步驟308、反復執行步驟302至307，各聯合建模方i得到最終的公共節點子圖結構SelGS-i，包括其節點嵌入向量及關系嵌入向量； 訓練整體圖模型包括以下步驟： 步驟401、各個聯合建模方i通過融合圖結構生成器FusGSGen對各自擁有的圖結構GS-i以及公共節點子圖結構SelGS-i進行處理，結合選出的公共節點集合SelNodeSet，生成圖結構newGS-i； 步驟402、將融合圖結構生成器FusGSGen、圖卷積操作、安全聚合模塊SF以及預測任務Pred構成一個模型來進行訓練； 步驟403、各個聯合建模方i對圖結構newGS-i分別進行GCN圖卷積操作，形成各自的節點嵌入向量和關系嵌入向量； 步驟404、將各個聯合建模方形成的節點嵌入向量和關系嵌入向量通過安全聚合模塊SF基于秘密分享方法，進行加權平均安全聚合； 步驟405、將安全聚合結果的嵌入向量輸入到預測任務Pred輸出標簽； 步驟406、通過損失梯度計算模型更新模塊CL對預測任務Pred輸出的預測結果與預測任務實際標簽進行計算，并將誤差反向傳播更新模型； 步驟407、公共節點向量更新模塊NUPD設定節點嵌入向量更新梯度閾值，并將梯度反向傳播，限制更新圖結構newGS的公共節點嵌入向量的范圍； 步驟408、反復執行步驟402至407，各聯合建模方i得到最終的公共節點子圖結構newGS-i，包括其節點嵌入向量及關系嵌入向量； 推理預測任務包括以下步驟： 步驟501、聯合建模方i根據真實數據，各自通過圖特征生成器GSGen生成圖結構GS-i； 步驟502、通過隱私集合求交PSI模塊和節點選擇模塊，生成節點集合SelNodeSet； 步驟503、聯合建模方i通過子圖結構特征生成器SubGSGen對各自擁有的圖結構GS-i進行處理，結合選出公共節點集合SelNodeSet，生成圖結構SelGS-i； 步驟504、聯合建模方i通過融合圖結構生成器FusGSGen對各自擁有的圖結構GS-i以及公共節點子圖結構SelGS-i進行處理，結合選出的公共節點集合SelNodeSet，生成圖結構newGS-i； 步驟504、將各個聯合建模方形成的節點嵌入向量和關系嵌入向量通過安全聚合模塊SF基于秘密分享方法，進行加權平均安全聚合，并經過預測任務Pred輸出預測結果； 步驟505、各方持續收集數據，同時對輸出結果正確性進行反饋，用于模型的持續優化。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人山東浪潮科學研究院有限公司，其通訊地址為：250100 山東省濟南市高新浪潮路1036號S02號樓；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。