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！

龙图腾网获悉重庆邮电大学申请的专利基于联邦学习和隐私保护的跨域推荐方法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：CN116304346B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202310298618.X，技术领域涉及：G06F16/9535；该发明授权基于联邦学习和隐私保护的跨域推荐方法是由苏畅;李佳庆;谢显中设计研发完成，并于2023-03-24向国家知识产权局提交的专利申请。

本基于联邦学习和隐私保护的跨域推荐方法在说明书摘要公布了：本发明涉及一种基于联邦学习和隐私保护的跨域推荐方法，属于跨域推荐技术领域。该方法包括：S1：将不同领域的共同用户进行对齐：分别根据相似度阈值在源域和目标域寻找冷启动用户的相似用户；S2：根据元路径及随机游走策略构建异构信息网络，并将相似用户输入异构信息网络中，提取冷启动用户源域潜在特征，并利用该特征得到用户‑项目交互特征矩阵；S3：在本地构建并训练联邦学习模型，具体是：采用CNN来识别用户‑项目交互特征矩阵，然后采用联邦学习结合同态加密对中间结果进行加密与交换，并采用梯度下降算法对加密的目标进行优化；最后更新模型的梯度与损失函数；S4：利用训练好本地联邦学习模型为用户生成精确的推荐结果。

本发明授权基于联邦学习和隐私保护的跨域推荐方法在权利要求书中公布了：1.一种基于联邦学习和隐私保护的跨域推荐方法，其特征在于，该方法具体包括以下步骤： S1：将不同领域的共同用户进行对齐：分别根据相似度阈值在源域和目标域寻找冷启动用户的相似用户； S2：根据元路径及随机游走策略构建异构信息网络，并将相似用户输入异构信息网络中，提取冷启动用户源域潜在特征，并利用该特征得到用户-项目交互特征矩阵； S3：在本地构建并训练联邦学习模型，具体是：采用卷积神经网络来识别用户-项目交互特征矩阵，然后采用联邦学习结合同态加密对中间结果进行加密与交换，并采用梯度下降算法对加密的目标进行优化；最后更新模型的梯度与损失函数； 构建并训练联邦学习模型，具体包括：设定纵向联邦学习的目标函数L为： 其中，表示的是A领域的特征参数，表示的是B领域的特征参数，θA是A领域的模型参数，θB是B领域的模型参数，yi是标签，λ是正则化参数； 假设用[[·]]表示同态加密操作，则加密的目标函数表示为： 其中，LA表示目标函数L关于领域A的部分参数，LB表示目标函数L关于领域B的部分参数，LAB表示目标函数L关于领域A与领域B所共有的部分参数； 采用梯度下降算法对目标进行优化，假设则训练参数的损失函数的梯度表示为： 其中，L'A表示梯度下降算法中对于LA中参数求导以更新梯度，L'B表示梯度下降算法中对于LB中参数求导以更新梯度； 更新联邦学习模型的梯度与损失函数，具体更新迭代过程包括： ①各参与方对实体信息进行加密实体对齐；加密实体对齐是指各参与方服务器在互不知晓双方信息的前提下，找到重叠的实体； ②中央服务器创建加密密钥对，并将公共密钥对传送给各参与方服务器，使各参与方的服务器能够单独解密信息； ③辅助域A计算和[[LA]]发送到目标域B，目标域B计算和[[L]]，并将发送到辅助域A，将[[L]]发送给服务器C； ④辅助域A初始化掩码RA，计算[[L'A]]+[[RA]]发送到服务器C，目标域B初始化RB，计算[[L'B]]+[[RB]]发送到服务器C，服务器C进行解密[[L]]、[[L'A]]+[[RA]]及[[L'B]]+[[RB]]，将L'A+RA发送给A，将L'B+RB发送给B； ⑤辅助域A和目标域B收到服务器C发来的数据后，更新模型参数；之后，重复步骤③～⑤直至模型收敛或迭代的次数达到上限； S4：利用训练好本地联邦学习模型为用户生成推荐结果。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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”。