买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国人民大学申请的专利基于差分隐私联邦学习的公平回归模型构建方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119848796B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411865930.3，技术领域涉及：G06F18/27；该发明授权基于差分隐私联邦学习的公平回归模型构建方法及系统是由孙怡帆;姜植茜;梅彪;李尔博;秦棋;胡朝君;魏婷;李晓冬设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本基于差分隐私联邦学习的公平回归模型构建方法及系统在说明书摘要公布了：本发明属于联邦学习技术领域，提供了基于差分隐私联邦学习的公平回归算法，实现本发明的技术方案主要包含三个模块：首先，利用利用联邦学习算法训练全局回归模型；其次，通过引入集中差分隐私，根据给定的差分隐私参数确定离散高斯分布的方差；最后，在联邦学习的框架下，利用基于离散高斯机制的差分隐私技术，计算频数分布直方图，由此估计分布函数和分位数函数，从而对回归模型进行公平化后处理。后处理过程中，客户端和中心服务器之间交换的信息只有回归预测值的频数分布直方图及其对应敏感属性取值，通信代价较小。实验表明，本发明能在提供较强隐私保护的同时，大幅提升回归模型的公平性，并保证模型准确性维持在较高水平。

本发明授权基于差分隐私联邦学习的公平回归模型构建方法及系统在权利要求书中公布了：1.一种基于差分隐私联邦学习的公平回归系统，其特征在于，该系统包括以下模块： 全局回归模型训练模块：在联邦学习框架下训练全局回归模型，支持使用FedAvg、FedProx联邦学习算法，结合差分隐私技术为训练过程提供隐私保护； 噪声计算模块：基于给定的差分隐私参数，通过公式计算离散高斯分布方差；根据隐私保护强度，确定噪声大小并生成加噪因子； 公平化后处理模块：利用全局回归模型，结合敏感属性分布和预测值条件分布，对模型进行公平化后处理，包括本地频数分布计算、离散高斯噪声添加、分布估计及回归模型调整； 噪声计算模块的具体步骤包括： 通过差分隐私参数近似求解集中差分隐私参数； 利用集中差分隐私参数近似计算离散高斯分布的方差； 确定敏感属性对应直方图的分组区间数量和噪声维数，并根据给定的离散高斯噪声添加量，为每个客户端生成加噪因子，用于本地频数分布直方图的扰动； 公平化后处理模块执行以下步骤： 客户端计算各敏感属性对应预测值的本地频数分布直方图，加入离散高斯噪声后上传至中心服务器； 中心服务器聚合扰动后的本地频数分布直方图，生成各敏感属性对应预测值的总体频数分布直方图； 客户端基于总体频数分布直方图，估计敏感属性的概率分布及预测值的条件分布函数； 客户端利用敏感属性概率分布和预测值条件分位数函数，对回归模型进行公平化后处理，生成公平回归模型，确保回归结果不受敏感属性的不公平影响； 对回归模型进行公平化后处理如下： 其中，ξ～U[-v,v]是一个平滑随机变量，v为10-6，以保证不会改变的统计性质；是敏感属性分布估计；是预测值的条件分布函数估计；是预测值的条件分位数函数估计。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国人民大学，其通讯地址为：100872 北京市海淀区中关村大街59号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。