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！

龙图腾网获悉暨南大学申请的专利一种持续监控下的差分隐私加权图发布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：CN118427787B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202410582004.9，技术领域涉及：G06F21/10；该发明授权一种持续监控下的差分隐私加权图发布方法是由李哲涛;许雯;龙赛琴;裴廷睿设计研发完成，并于2024-05-11向国家知识产权局提交的专利申请。

本一种持续监控下的差分隐私加权图发布方法在说明书摘要公布了：针对实际系统中的敏感图数据通常是动态演化的且具有权重的特点，本发明提出一种持续监控下的差分隐私加权图发布方法。首先根据节点数据的变化对节点进行采样，其次利用噪声最大机制对边上的权重值进行优化，再基于预测的加权拓扑信息进行社区检测，最后生成当前时间步具有差分隐私的合成加权图快照。本发明探索了一系列连续的加权图快照的发布，可以在对动态加权图进行分析的同时保护相关用户免受侵犯隐私的风险。

本发明授权一种持续监控下的差分隐私加权图发布方法在权利要求书中公布了：1.持续监控下的差分隐私加权图发布方法，其特征在于，基于每个时间步处的原始加权图快照，在差分隐私下发布其合成加权图，至少包括以下步骤， 步骤一、建立当前时间步处的加权图快照，其中是节点集，是边集，是边权值集； 步骤二、节点自适应采样： 定义变化误差为，其中是时间步处节点的邻居列表，是前一个时间步处节点的噪声邻居列表；对加权图快照中变化误差较大的节点进行更大概率的采样，得到中的所有采样节点； 步骤三、动态权重值优化： 对于采样节点之间的边权重值，使用噪声最大机制来估计权重的阈值； 步骤四、基于预测的社区检测： 使用之前时间步发布的合成加权图中的数据来预测当前时间步处采样节点之间的信息，然后基于这些预测信息对采样节点进行社区检测，得到社区分区； 步骤五、当前时间步加权图快照生成： 在获得社区分区后，基于权重的阈值，首先对社区内的边权值添加拉普拉斯噪声，然后进行一致性后处理，得到社区内每个校准的边权值；对于不同社区之间的边权值，首先对每个社区之间的边权值之和添加拉普拉斯噪声，然后将社区之间每个扰动边的权值计算为这个噪声和的平均值；由此在时间步处重构采样节点之间的边权重；非采样节点之间的边和边权值用上一次发布的合成加权图中相应的值近似，得到合成加权图。

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暨南大学，其通讯地址为：510632 广东省广州市天河区黄埔大道西601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。