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)獲悉內蒙古大學申請的專利一種基于生成對抗網(wǎng)絡和知識蒸餾的聯(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權局授予，授權公告號為：CN119203240B 。

龍圖騰網(wǎng)通過國家知識產權局官網(wǎng)在2025-09-26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：202411455371.9，技術領域涉及：G06F21/62；該發(fā)明授權一種基于生成對抗網(wǎng)絡和知識蒸餾的聯(lián)邦學習隱私保護方法是由白翔宇;肖雨霜;張曉艷;張馨文;蘇婧雯設計研發(fā)完成，并于2024-10-16向國家知識產權局提交的專利申請。

本一種基于生成對抗網(wǎng)絡和知識蒸餾的聯(lián)邦學習隱私保護方法在說明書摘要公布了：本發(fā)明公開了一種基于生成對抗網(wǎng)絡和知識蒸餾的聯(lián)邦學習隱私保護方法，涉及隱私保護技術領域。包括：S1.本地模型訓練；S2.生成對抗網(wǎng)絡訓練；S3.初始化階段通信；S4.蒸餾訓練；S5.蒸餾階段通信；S6.客戶端更新。本發(fā)明本發(fā)明創(chuàng)新地將生成對抗網(wǎng)絡與知識蒸餾技術相結合，通過在客戶端本地訓練生成對抗網(wǎng)絡模型并生成符合私有數(shù)據(jù)分布的合成數(shù)據(jù)，避免了對公開數(shù)據(jù)集的依賴，利用生成的合成數(shù)據(jù)進行知識蒸餾，實現(xiàn)了無需選擇公共數(shù)據(jù)集的知識遷移，有效避免了私有數(shù)據(jù)分布的直接暴露，從而顯著降低了隱私泄露的風險。

本發(fā)明授權一種基于生成對抗網(wǎng)絡和知識蒸餾的聯(lián)邦學習隱私保護方法在權利要求書中公布了：1.一種基于生成對抗網(wǎng)絡和知識蒸餾的聯(lián)邦學習隱私保護方法，其特征在于，包括以下步驟： S1.本地模型訓練：初始化本地模型參數(shù)，基于多個客戶端的本地數(shù)據(jù)集進行本地模型訓練，得到訓練好的本地模型； S2.生成對抗網(wǎng)絡訓練：將訓練好的本地模型作為判別器，與生成器進行對抗性訓練，從而生成新的合成樣本數(shù)據(jù)； S3.初始化階段通信：每個客戶端隨機選擇相同數(shù)量的合成樣本數(shù)據(jù)進行加噪處理，將加噪后的合成樣本數(shù)據(jù)上傳至服務器進行樣本合并，得到公共數(shù)據(jù)集，多個客戶端利用公共數(shù)據(jù)集生成預測標簽，并將預測結果再次發(fā)送給服務器； S4.蒸餾訓練：多個客戶端基于公共數(shù)據(jù)集進行知識蒸餾訓練，從而提取知識特征； S5.蒸餾階段通信：多個客戶端對提取的知識特征進行均衡采樣，選取預測標簽和合成數(shù)據(jù)進行加噪處理，并將加噪處理后的預測標簽和合成數(shù)據(jù)上傳至服務器，服務器平均聚合預測標簽結果和合并客戶端的合成數(shù)據(jù)，得到平均預測標簽結果，將平均預測標簽結果發(fā)送至多個客戶端； S6.客戶端更新：多個客戶端根據(jù)平均預測標簽結果，循環(huán)執(zhí)行S2、S4和S5，從而進行本地模型更新； S1中每個客戶端使用自己的本地數(shù)據(jù)集進行本地模型訓練，通過最小化本地損失函數(shù)來實現(xiàn)： 其中，wi是每個客戶端初始化的本地參數(shù)，LDi,wi是客戶端i在數(shù)據(jù)集Di上的損失函數(shù)，是更新后的參數(shù)； 利用每個客戶端使用隨機梯度下降優(yōu)化算法，更新每個客戶端初始化的本地參數(shù)wi，對于每次迭代t，wi的更新公式為： 其中，η是學習率，是本地損失函數(shù)LDi,wi對參數(shù)wi的梯度； 在每個客戶端i上，本地模型將進行多輪迭代訓練，每輪迭代使用數(shù)據(jù)集Di中的一個批次樣本來更新權重，直到達到預設的收斂條件。

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內蒙古大學，其通訊地址為：010021 內蒙古自治區(qū)呼和浩特市賽罕區(qū)大學西路235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)”。