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！

龍圖騰網獲悉西安電子科技大學申請的專利基于隨機近端優化的隱私保護優化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：CN119691792B 。

龍圖騰網通過國家知識產權局官網在2025-09-26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：202411699291.8，技術領域涉及：G06F21/62；該發明授權基于隨機近端優化的隱私保護優化方法是由李遠敏;宋聞軒設計研發完成，并于2024-11-26向國家知識產權局提交的專利申請。

本基于隨機近端優化的隱私保護優化方法在說明書摘要公布了：本發明公開了一種基于隨機近端優化的隱私保護優化方法，主要解決現有技術中神經網絡在添加差分隱私噪聲后導致模型性能下降的問題。其實現方案是：獲取圖像數據集，并對其進行預處理；選取現有包括輸入層、隱藏層、輸出層的神經網絡模型；將預處理后的圖像數據集輸入到神經網絡模型；使用近端隱私保護方法對神經網絡進行包括梯度裁剪、添加差分隱私噪聲、計算方差減小項、使用近端點更新權重矩陣的多輪訓練得到最優權重矩陣，為后續構建具有高效性能和隱私保障的分類識別影像處理神經網絡模型提供參數依據。本發明在有效保證數據隱私安全的前提下，提高了圖像識別的收斂速度和準確率，特別適用于分類質量參差不齊的圖像數據集，可用于醫療影像分類。

本發明授權基于隨機近端優化的隱私保護優化方法在權利要求書中公布了：1.一種基于隨機近端優化的隱私保護優化方法，其特征在于，包括如下步驟： 1獲取包含n個樣本的圖像數據集D，每個樣本包括特征向量和對應的標簽yi′∈{-1,+1}； 2對影像數據集D進行統一大小的預處理，得到預處理后的數據集D′： D′＝{X1,y1,X2,y2,…,Xi,yi,…,Xn,yn},i∈1,n 其中Xi,yi表示預處理后的訓練集D′中第j個樣本的特征向量和對應的標簽； 3選擇現有包括輸入層、隱藏層和輸出層的多層感知機MLP神經網絡模型P，其輸入層用于接收圖像的像素信息，隱藏層用于逐步提取并處理圖像的特征，輸出層輸出圖像所屬的類別概率； 4將預處理好的訓練集D′輸入到神經網絡模型P中，對其進行隨機近端隱私保護訓練： 4a設定批量大小的數據初始化權重矩陣θt＝0，再初始化批量數據Bt的平均梯度并設定單輪內最大迭代次數T，最大訓練輪數H； 4b使用帶梯度裁剪的方法計算批量數據Bt的平均梯度其中t∈{,1,2,…,T}； 4c在平均梯度中添加差分隱私噪聲ξt，得到添加噪聲后的平均梯度 4d計算批量數據Bt的全局梯度gfull，并減去平均梯度得到方差減小項vt； 4e基于帶方差減小項vt使用近端點方法更新網絡的權重矩陣參數θt得到當前迭代次的最終權重矩陣實現如下： 4e1根據添加噪聲后的平均梯度和帶方差減小項vt，利用下式對權重矩陣參數進行更新： 其中，η為學習率，θt-1為第t-1次迭代得到的權重矩陣，θt為第t次迭代更新得到的權重矩陣，λ2為2范數正則化參數； 4e2對θt的每個分量進行1范數正則化的軟閾值更新得到 其中為θt的第k個分量，k∈{1,2,…,n}，η為學習率，λ1為1范數正則化參數； 4e3對按順序重新組合得到當前迭代次的最終權重矩陣 其中為的第k個分量； 4f重復上述步驟4b～4e直到迭代次數t達到最大迭代次數T或當前迭代次的最終權重矩陣滿足收斂條件，輸出當前輪的權重矩陣其中j∈{1,2,…,H}表示第j輪訓練，H為最大訓練輪數； 4g重復上述步驟4b～4f，直到j達到最大訓練輪數H或權重矩陣θj滿足精度條件，輸出最終輪權重矩陣即最優權重矩陣θ，為后續構建具有高效性能和隱私保障的分類識別影像處理神經網絡模型提供參數依據。

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西安電子科技大學，其通訊地址為：710071 陜西省西安市雁塔區太白南路2號；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”。