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

龍圖騰網(wǎng)獲悉西安交通大學(xué)申請(qǐng)的專利基于深度強(qiáng)化學(xué)習(xí)的自適應(yīng)差分隱私保護(hù)方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114036574B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202111510695.4，技術(shù)領(lǐng)域涉及：G06F21/62；該發(fā)明授權(quán)基于深度強(qiáng)化學(xué)習(xí)的自適應(yīng)差分隱私保護(hù)方法及系統(tǒng)是由楊清宇;李東鶴;馬雨豪設(shè)計(jì)研發(fā)完成，并于2021-12-10向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于深度強(qiáng)化學(xué)習(xí)的自適應(yīng)差分隱私保護(hù)方法及系統(tǒng)在說明書摘要公布了：本發(fā)明提供的基于深度強(qiáng)化學(xué)習(xí)的自適應(yīng)差分隱私保護(hù)方法及系統(tǒng)，首先通過交易機(jī)制獲取參與者的交易信息。進(jìn)而通過貝葉斯推斷方法得到交易過程中每名參與者的隱私泄露概率。基于交易流程構(gòu)建馬爾可夫過程，確定模型滿足馬爾科夫特性，然后基于交易結(jié)果和交易數(shù)據(jù)來構(gòu)建深度強(qiáng)化學(xué)習(xí)模型，以最小化隱私泄露概率為目標(biāo)，通過反復(fù)向不同參與者信息中添加差分隱私噪聲來訓(xùn)練模型。將訓(xùn)練完備的模型應(yīng)用于不同交易場(chǎng)景以實(shí)現(xiàn)自適應(yīng)地尋找被攻擊者并添加差分隱私噪聲，從而保護(hù)交易參與者的隱私信息，通過這種隱私保護(hù)方法，可以顯著降低隱私保護(hù)對(duì)象的隱私泄露風(fēng)險(xiǎn)。另一方面對(duì)保護(hù)對(duì)象交易結(jié)果的改變不影響其余參與者，交易結(jié)果只在小范圍內(nèi)做出調(diào)整，因此本算法可在保證結(jié)果改變最小的前提下有針對(duì)性地保護(hù)部分參與者的隱私。

本發(fā)明授權(quán)基于深度強(qiáng)化學(xué)習(xí)的自適應(yīng)差分隱私保護(hù)方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于深度強(qiáng)化學(xué)習(xí)的自適應(yīng)差分隱私保護(hù)方法，其特征在于，包括以下步驟： 步驟1、以多輪重復(fù)交易為模型構(gòu)建交易場(chǎng)景，攻擊者在多輪交易中通過改變自身出價(jià)信息，利用貝葉斯推斷方法獲得被攻擊者的出價(jià)信息，進(jìn)而構(gòu)建隱私泄露概率模型； 步驟2、構(gòu)建交易算法流程的馬爾可夫過程，同時(shí)以交易結(jié)果為狀態(tài)，參與者的個(gè)人數(shù)據(jù)為智能體構(gòu)建深度強(qiáng)化學(xué)習(xí)模型； 步驟3、向智能體添加差分隱私噪聲，以降低隱私泄露概率為目標(biāo)函數(shù)訓(xùn)練深度強(qiáng)化學(xué)習(xí)模型； 所述深度強(qiáng)化學(xué)習(xí)模型的訓(xùn)練方法如下： 針對(duì)不同參與者添加不同程度的差分隱私噪聲，同時(shí)將交易結(jié)果和隱私泄露概率作為獎(jiǎng)勵(lì)函數(shù)，添加的噪聲導(dǎo)致隱私泄露概率降低即給與智能體正反饋，反之給予負(fù)反饋以訓(xùn)練模型準(zhǔn)確尋找被攻擊者； 根據(jù)深度強(qiáng)化學(xué)習(xí)模型的目標(biāo)Q網(wǎng)絡(luò)與當(dāng)前Q網(wǎng)絡(luò)的差值構(gòu)成損失函數(shù)，損失函數(shù)結(jié)合了最小化隱私泄露概率，損失函數(shù)表達(dá)式為： 通過向不同參與者信息中添加差分隱私噪聲作為智能體的動(dòng)作，通過迭代最小化損失函數(shù)，令當(dāng)前Q網(wǎng)絡(luò)向目標(biāo)Q網(wǎng)絡(luò)不斷逼近，通過環(huán)境與智能體交互不斷更新深度強(qiáng)化學(xué)習(xí)模型，更新公式為： 其中，為學(xué)習(xí)率，為衰減率，為獎(jiǎng)勵(lì)函數(shù)，為當(dāng)前網(wǎng)絡(luò)參數(shù)，為目標(biāo)值網(wǎng)絡(luò)參數(shù)，為更新后的網(wǎng)絡(luò)參數(shù)； 步驟4、根據(jù)訓(xùn)練后的深度強(qiáng)化學(xué)習(xí)模型自適應(yīng)地尋找被攻擊者并添加差分隱私噪聲，保護(hù)交易雙方的隱私信息。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人西安交通大學(xué)，其通訊地址為：710049 陜西省西安市咸寧西路28號(hào)；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)”。