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！

龙图腾网获悉华侨大学申请的专利一种基于差分隐私和零知识证明的联邦学习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：CN121150970B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511686963.6，技术领域涉及：H04L9/32；该发明授权一种基于差分隐私和零知识证明的联邦学习方法及系统是由全韩彧;钱彦屹;田晖;刘雪峰;卢璥;李越设计研发完成，并于2025-11-18向国家知识产权局提交的专利申请。

本一种基于差分隐私和零知识证明的联邦学习方法及系统在说明书摘要公布了：本发明提供的一种基于差分隐私和零知识证明的联邦学习方法及系统，应用于联邦学习系统的服务器，涉及数据安全与联邦学习技术领域。本发明将全局模型参数下发给所有参与联邦学习的客户端；接收客户端上传的经差分隐私和零知识证明处理的本地模型参数相关数据；对相关数据进行验证与检测，得到合法客户端名单；采用预设的安全聚合算法得到所有合法客户端的本地模型参数及对应的随机盲因子的聚合结果；对聚合结果进行验证，并将验证通过后的聚合结果作为下一轮全局模型参数发送给客户端，直至达到预设的训练轮次，完成联邦学习训练。本发明能在单一中央服务器架构的前提下，保护数据隐私且高效检测拜占庭节点，并支持多种通用拜占庭检测算法。

本发明授权一种基于差分隐私和零知识证明的联邦学习方法及系统在权利要求书中公布了：1.一种基于差分隐私和零知识证明的联邦学习方法，应用于联邦学习系统的服务器，其特征在于，包括： 将全局模型参数下发给所有参与联邦学习的客户端； 接收客户端上传的经差分隐私和零知识证明处理的本地模型参数相关数据；其中，本地模型参数由各客户端采用本地数据对所述全局模型参数进行训练得到； 对所述本地模型参数相关数据进行验证与检测，得到合法客户端名单； 基于所述合法客户端名单，采用预设的安全聚合算法得到所有合法客户端的本地模型参数及对应的随机盲因子的聚合结果； 对所述聚合结果进行验证，并将验证通过后的聚合结果作为下一轮全局模型参数发送给客户端，直至达到预设的训练轮次，完成联邦学习训练； 其中，所述本地模型参数相关数据包括带噪声的本地模型参数、本地模型参数的Pedersen承诺、差分隐私噪声的Pedersen承诺与其零知识证明，以及一个随机盲因子；所述差分隐私和零知识证明处理具体为： 客户端随机采样差分隐私噪声并添加于本地模型参数，得到带噪声的本地模型参数，公式为： ，； 其中，为客户端的本地模型参数；为差分隐私噪声；为随机种子；为噪声分布；为满足的噪声生成函数； 客户端计算本地模型参数的Pedersen承诺，公式为： ； 其中，为本地模型参数的Pedersen承诺；为本地模型参数的随机盲因子；为承诺生成算法；为大素数，和分别是乘法循环群的两个生成元，、分别是本地模型参数和随机盲因子对应的两个群元素；为取余运算； 客户端计算差分隐私噪声的Pedersen承诺，公式为： ， ； 其中，为差分隐私噪声的随机盲因子；为客户端发送的随机盲因子；为差分隐私噪声和随机盲因子对应的两个群元素； 然后客户端对差分隐私噪声的Pedersen承诺生成零知识证明，公式为： ； 其中，为客户端的零知识证明；为零知识证明生成算法，为差分隐私噪声的Pedersen承诺，是公开输入，是私有输入，证明是所述差分隐私噪声的承诺； 对所述本地模型参数相关数据进行验证与检测，得到合法客户端名单，具体为： 基于带噪声的本地模型参数与随机盲因子计算出Pedersen承诺，并进行验证，公式为： ； 验证是否成立，若成立，则设置Pedersen承诺验证标签；否则； 其中，为服务器验证计算的Pedersen承诺；为客户端发送的带噪声的本地模型参数； 采用零知识证明验证算法验证客户端发送的零知识证明与差分隐私噪声的Pedersen承诺的关系，若验证成立，则令零知识证明验证标签，否则； 采用拜占庭检测算法对带噪声的本地模型参数进行检测，若检测通过，则令本地模型参数验证标签，否则； 若成立，则当前客户端为合法客户端，从而得到合法客户端名单，其中，是客户端总数；为第个合法客户端的编号；为合法客户端总数。

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华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城华北路269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。