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！

龙图腾网获悉电子科技大学申请的专利一种云边端协同的泛在智能联邦学习隐私保护系统及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：CN115017541B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202210634337.2，技术领域涉及：G06F21/62；该发明授权一种云边端协同的泛在智能联邦学习隐私保护系统及方法是由王瑞锦;赖金山;张凤荔;刘东;朱举异;张志扬设计研发完成，并于2022-06-06向国家知识产权局提交的专利申请。

本一种云边端协同的泛在智能联邦学习隐私保护系统及方法在说明书摘要公布了：本发明公开了一种云边端协同的泛在智能联邦学习隐私保护系统及方法，系统上包括终端设备、参数服务器、边缘服务器、中心云服务器；方法上包括：S1、设置基于掩码的终端训练输出保护机制；S2、添加局部模型的自适应差分扰动；S3、全局模型聚合和添加自适应差分扰动。本发明提出了一种轻量级的隐私保护方案，在终端设备进行部分模型训练并添加矩阵掩码，保证在终端与边缘服务器之间安全传输；此外，在边缘服务器进行剩余模型训练并添加差分扰动；在云端进行聚合后添加噪声再反馈给边缘服务器。实验结果表明，该方案在保证隐私的前提上在CIFAR10数据集上能达到86％的准确率，能够很好地满足泛在智能的需求，因此，本发明非常适合大规模推广应用。

本发明授权一种云边端协同的泛在智能联邦学习隐私保护系统及方法在权利要求书中公布了：1.一种云边端协同的泛在智能联邦学习隐私保护方法，其特征在于，其是在云、边、端协同的联邦学习上，设置掩码添加和自适应差分扰动，从而在保证模型精度和训练效率的前提下，对数据和模型参数进行隐私保护，具体过程如下： S1、设置基于掩码的终端训练输出保护机制： S101、参数服务器分别和参与训练的终端设备和边缘服务器进行对称密钥协商得到对称密钥Ss； S102、每个终端设备生成一个个人随机掩码和个人系数向量，并使用对称密钥加密后发送给边缘服务器； S103、边缘服务器收到对称密钥之后利用系数向量组生成一个满秩矩阵A作为系数矩阵； S104、边缘服务器计算系数矩阵的逆A-，并将对应终端设备的个人随机掩码相加得到全局公共掩码R，然后和系数矩阵进行对称加密后发送给每一个参与训练的终端设备； S105、终端设备收到密文后进行解密得到公共掩码和系数矩阵，然后在训练过程中对部分模型输出进行掩码添加； S2、添加局部模型的自适应差分扰动： S201、边缘服务器从中心云服务器下载并初始化模型参数，终端设备将添加了掩码后的部分模型输出发送给边缘服务器，由边缘服务器解除掩码后，以部分模型输出的分量作为输入进行神经网络的训练，得到一个局部模型； S202、求取局部模型梯度值，并进行裁剪； S203、利用裁剪后的局部模型梯度值更新局部模型参数； S204、对更新后的局部模型参数添加高斯噪声； S205、各边缘服务器将添加了噪声的局部模型参数发送到中心云服务器； S3、全局模型聚合和添加自适应差分扰动： S301、中心云服务器收到各个边缘服务器的局部模型参数后，对其进行聚合并获得全局模型参数； S302、对全局模型参数进行裁剪； S303、裁剪后，在全局模型参数中添加高斯噪声，并更新全局模型参数； S304、中心云服务器将更新后的全局模型参数下发给边缘服务器进行下一轮次的训练，直到模型收敛或达到迭代次数为止。

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电子科技大学，其通讯地址为：610000 四川省成都市高新区(西区)西源大道2006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”。

以上内容由龙图腾AI智能生成。