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)獲悉廣州大學(xué)申請(qǐng)的專利任務(wù)分配隱私保護(hù)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)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：CN120162815B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-16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：202510103377.8，技術(shù)領(lǐng)域涉及：G06F21/62；該發(fā)明授權(quán)任務(wù)分配隱私保護(hù)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)是由彭滔;譚毓鴻;王國(guó)軍;池澤宇;吳興毅;管藝設(shè)計(jì)研發(fā)完成，并于2025-01-22向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本任務(wù)分配隱私保護(hù)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)在說(shuō)明書摘要公布了：本申請(qǐng)涉及移動(dòng)群智感知技術(shù)領(lǐng)域。本申請(qǐng)公開(kāi)了一種任務(wù)分配隱私保護(hù)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，其能夠提高任務(wù)分配的準(zhǔn)確度。所述任務(wù)分配隱私保護(hù)方法包括接收當(dāng)前環(huán)境的第一狀態(tài)圖，其中，所述第一狀態(tài)圖是由至少一個(gè)用戶屬性信息和至少一個(gè)任務(wù)信息構(gòu)建而成，每個(gè)所述用戶屬性信息均是利用拉普拉斯機(jī)制進(jìn)行加噪處理而得到的滿足差分隱私的信息；采用基于圖注意力機(jī)制的NoisyD3QN?G算法對(duì)所述第一狀態(tài)圖進(jìn)行處理，獲得任務(wù)分配結(jié)果。

本發(fā)明授權(quán)任務(wù)分配隱私保護(hù)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)在權(quán)利要求書中公布了：1.一種任務(wù)分配隱私保護(hù)方法，其特征在于，包括： 接收當(dāng)前環(huán)境的第一狀態(tài)圖，其中，所述第一狀態(tài)圖是由至少一個(gè)用戶屬性信息和至少一個(gè)任務(wù)信息構(gòu)建而成，每個(gè)所述用戶屬性信息均是利用拉普拉斯機(jī)制進(jìn)行加噪處理而得到的滿足差分隱私的信息； 采用基于圖注意力機(jī)制的NoisyD3QN-G算法對(duì)所述第一狀態(tài)圖進(jìn)行處理，獲得任務(wù)分配結(jié)果； 所述任務(wù)分配隱私保護(hù)方法還包括所述基于圖注意力機(jī)制的NoisyD3QN-G算法的訓(xùn)練步驟，所述基于圖注意力機(jī)制的NoisyD3QN-G算法的訓(xùn)練步驟包括：接收歷史環(huán)境的第二狀態(tài)圖；將所述第二狀態(tài)圖輸入到原始NoisyD3QN-G算法中帶噪聲網(wǎng)絡(luò)的動(dòng)作網(wǎng)絡(luò)進(jìn)行Q值計(jì)算，獲得第一Q值；選擇所述第一Q值最大的第一動(dòng)作；將所述第一動(dòng)作發(fā)送給所述歷史環(huán)境后，接收所述歷史環(huán)境根據(jù)所述第一動(dòng)作反饋的下一個(gè)狀態(tài)圖和獎(jiǎng)勵(lì)；將所述第二狀態(tài)圖、所述第一動(dòng)作、所述獎(jiǎng)勵(lì)和所述下一個(gè)狀態(tài)圖作為一條經(jīng)驗(yàn)存入經(jīng)驗(yàn)回放區(qū)，并將所述經(jīng)驗(yàn)回放區(qū)內(nèi)的所有經(jīng)驗(yàn)進(jìn)行優(yōu)先級(jí)排序處理；在所述經(jīng)驗(yàn)回放區(qū)的所有經(jīng)驗(yàn)的數(shù)量達(dá)到或者超過(guò)一個(gè)預(yù)設(shè)批次訓(xùn)練數(shù)據(jù)的要求時(shí)，對(duì)所述經(jīng)驗(yàn)回放區(qū)進(jìn)行優(yōu)先級(jí)隨機(jī)采樣獲得經(jīng)驗(yàn)樣本，并將所述經(jīng)驗(yàn)樣本輸入所述動(dòng)作網(wǎng)絡(luò)進(jìn)行Q值計(jì)算，獲得第二Q值，將所述經(jīng)驗(yàn)樣本輸入所述原始NoisyD3QN-G算法中的目標(biāo)網(wǎng)絡(luò)進(jìn)行Q值計(jì)算，獲得第三Q值；基于所述第二Q值和所述第三Q值計(jì)算損失函數(shù)；基于所述損失函數(shù)調(diào)整所述動(dòng)作網(wǎng)絡(luò)的第一網(wǎng)絡(luò)參數(shù)，并采用軟更新策略對(duì)目標(biāo)網(wǎng)絡(luò)的第二網(wǎng)絡(luò)參數(shù)進(jìn)行更新處理，獲得所述基于圖注意力機(jī)制的NoisyD3QN-G算法； 所述將所述第二狀態(tài)圖輸入到原始NoisyD3QN-G算法中帶噪聲網(wǎng)絡(luò)的動(dòng)作網(wǎng)絡(luò)進(jìn)行Q值計(jì)算，獲得第一Q值的步驟包括：設(shè)置第一權(quán)重、第二權(quán)重、第一偏置、第二偏置和噪聲因子；利用噪聲因子從標(biāo)準(zhǔn)正態(tài)分布生成與目標(biāo)線性層對(duì)應(yīng)的第一隨機(jī)噪聲和第二隨機(jī)噪聲，所述目標(biāo)線性層是所述噪聲網(wǎng)絡(luò)中的任意一個(gè)線性層；基于所述第一權(quán)重、所述第二權(quán)重、所述第一偏置、所述第二偏置、所述第一隨機(jī)噪聲和所述第二隨機(jī)噪聲計(jì)算獲得所述目標(biāo)線性層的第三權(quán)重和第三偏置；使用所述第三權(quán)重和所述第三偏置進(jìn)行前向傳播，得到與所述目標(biāo)線性層對(duì)應(yīng)的帶噪聲輸出；在得到所有線性層對(duì)應(yīng)的帶噪聲輸出之后，對(duì)所述第二狀態(tài)圖進(jìn)行Q值計(jì)算，獲得所述第一Q值； 所述對(duì)所述第二狀態(tài)圖進(jìn)行Q值計(jì)算，獲得所述第一Q值的步驟包括：將所述第二狀態(tài)圖的所有節(jié)點(diǎn)的原始特征嵌入到用戶向量和任務(wù)向量；采用第一圖注意力機(jī)制對(duì)所述用戶向量和所述第二狀態(tài)圖中的用戶節(jié)點(diǎn)和任務(wù)節(jié)點(diǎn)之間邊的集合進(jìn)行處理，得到用戶特征表示；采用第二圖注意力機(jī)制對(duì)所述任務(wù)向量和所述第二狀態(tài)圖中的用戶節(jié)點(diǎn)和任務(wù)節(jié)點(diǎn)之間邊的集合進(jìn)行處理，得到任務(wù)特征表示；采用預(yù)設(shè)算法計(jì)算注意力因子；基于所述注意力因子、所述用戶特征表示和所述任務(wù)特征表示計(jì)算獲得狀態(tài)和第二動(dòng)作；基于所述狀態(tài)和所述第二動(dòng)作計(jì)算獲得所述第一Q值。

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)人廣州大學(xué)，其通訊地址為：510006 廣東省廣州市大學(xué)城外環(huán)西路230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)”。