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！

龙图腾网获悉浙江理工大学;现代纺织技术创新中心(鉴湖实验室)申请的专利基于概率驱动的分布式模型完整性验证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：CN121367621B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511948548.3，技术领域涉及：H04L9/40；该发明授权基于概率驱动的分布式模型完整性验证方法及系统是由沈剑;郭美佳;周天祺;王晨;谭皓文;杨惠杰设计研发完成，并于2025-12-23向国家知识产权局提交的专利申请。

本基于概率驱动的分布式模型完整性验证方法及系统在说明书摘要公布了：本发明属于信息安全技术领域，具体涉及基于概率驱动的分布式模型完整性验证方法及系统。方法包括S1，建立密码学参数、公私钥对和初始模型参数；S2，根据得到的参数，客户端进行本地训练并生成数据，同时基于当前模型和生成的数据，计算梯度，并使用签名和掩码封装计算出的数据；S3，服务器对客户端封装数据的真实性与完整性进行高效验证，筛选出通过验证的可信梯度集合；S4，服务器仅聚合通过验证的客户端提交的模型参数，服务器将聚合生成的模型参数均匀分发给所有参与客户端；S5，客户端收到步骤S4的模型参数后进行模型的更新，随后返回步骤S2，继续执行下一轮分布式学习任务，直到满足终止条件达到设定的最大迭代次数。

本发明授权基于概率驱动的分布式模型完整性验证方法及系统在权利要求书中公布了：1.基于概率驱动的分布式模型完整性验证方法，其特征在于，包括如下步骤； S1，建立密码学参数、公私钥对和初始模型参数； S2，根据步骤S1得到的参数，客户端进行本地训练并生成数据，同时基于当前模型和生成的数据，计算梯度，并使用签名和掩码封装计算出的数据； S3，服务器对各个客户端封装的数据进行验证，筛选出通过验证的可信梯度集合； S4，服务器仅聚合通过验证的客户端提交的模型参数，服务器将聚合生成的模型参数均匀分发给所有参与客户端； S5，客户端收到步骤S4的模型参数后进行模型的更新，随后返回步骤S2，继续执行下一轮分布式学习任务，直到满足终止条件达到设定的最大迭代次数； 步骤S1包括如下步骤： S11，定义一个双线性配对三元组G1，G2，GT，其中G1，G2，GT均为元素个数是大素数p的循环群；定义一个双线性配对函数e：G1×G2→GT，在群G1和G2中分别选择生成元g1和g2；定义一个哈希函数H：{0,1}*→G2，表示将任意长度的字符串映射到群G2中的一个点；设定每个客户端i∈{1,…,N}秘密地随机选择一个私钥∈并计算对应的公钥；代表模p的乘法群； 其中，所有公钥被发送至服务器注册； S12，初始化服务器参数，同时服务器使用特定的分布初始化生成初始模型参数； 步骤S2包括如下步骤： S21，在分布式学习DL中，每个参与训练的客户端Ni，基于局部数据集Di和当前全局模型，通过随机梯度下降优化算法利用最小损失函数在第t轮中计算局部梯度： ； S22，客户端完成本地训练后，使用随机数添加掩码∈来隐藏原始梯度，得到加入掩码的梯度： ； S23，客户端使用事先与服务器约定的哈希函数H，计算梯度的哈希值： ； S24，客户端使用对应私钥对掩藏后的梯度进行签名，得到签名： ； S25，客户端将签名和加入掩码的梯度发送到服务器以进行验证； 步骤S3包括如下步骤： S31，设定服务器为，系统中参与训练的客户端总数为N，K表示被服务器成功攻击并转化为恶意客户端的数量，c表示挑战者C在安全挑战中需要证明的恶意客户端数量，Y表示至少检测到一个恶意客户端的事件，则prob表示至少检测到一个恶意客户端的概率，具体公式为： ； S32，服务器采样后，对抽样到的客户端进行验证，验证公式表示为： ； 若等式成立，则签名被视为有效，表明服务器接收到的梯度在传输过程中未被篡改；若等式不成立，则签名无效，表明服务器无法信任接收到的梯度； S33，服务器根据批次大小B对客户端的签名进行群加法运算，得到一个聚合签名： ； 同时服务器也根据批次大小对客户端的公钥进行群加法运算，得到一个聚合公钥： ； S34，服务器利用双线性配对特性，通过一个等式来验证聚合签名的有效性，所述等式为： 。

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浙江理工大学;现代纺织技术创新中心(鉴湖实验室)，其通讯地址为：310018 浙江省杭州市钱塘区下沙2号大街928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。