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！

龙图腾网获悉天津大学申请的专利面向隐私保护的深度量化联邦学习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：CN116562365B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202310487154.7，技术领域涉及：G06N3/098；该发明授权面向隐私保护的深度量化联邦学习方法是由汪清;胡静怡设计研发完成，并于2023-04-30向国家知识产权局提交的专利申请。

本面向隐私保护的深度量化联邦学习方法在说明书摘要公布了：本发明涉及信息安全、隐私保护技术领域，为实现将量化误差代替差分隐私技术中格外添加的高斯噪声，实现对于本地客户端的隐私保护，本发明，面向隐私保护的深度量化联邦学习方法，在t次全局迭代过程中，客户端k利用本地数据训练后得到更新模型的参数对深度量化网络进行训练，随后利用训练好的深度量化网络对更新模型进行量化并改变量化噪声分布,得到量化后的的索引值，将索引值经过无损编码后送至服务器端；服务器端接收解码后得到后进行聚合更新，得到更新后的全局模型，并下发至用户进行下一轮联邦学习的迭代。本发明主要应用于隐私保护通信场合。

本发明授权面向隐私保护的深度量化联邦学习方法在权利要求书中公布了：1.一种面向隐私保护的深度量化联邦学习方法，其特征是，在t次全局迭代过程中，客户端k利用本地数据训练后得到更新模型的参数对深度量化网络进行训练，学习确定量化映射函数的超参并生成自适应的深度标量量化器DSQ，所述深度标量量化器DSQ整体为线性深度神经网络，采用两个不同的损失函数，第一个损失函数为均方误差损失函数MSE用于确定深度量化器的量化函数并使得量化前后产生的量化误差尽可能小，第二个损失函数采用KL散度损失函数，用于转换量化误差的分布，使其逼近满足指定-本地差分隐私LDP的高斯噪声分布；随后利用训练好的深度量化网络对更新模型进行量化并改变量化噪声分布,得到量化后的的索引值，其中，根据更新模型的参数对深度量化器网络DSQ进行训练，根据更新模型参数的特征学习生成对应的量化映射函数和量化函数且训练好的深度量化能实现对量化误差分布的转变使其逼近满足指定-本地差分隐私的高斯噪声分布，随后利用深度量化器DSQ对更新模型进行量化,得到量化后的的索引值，将索引值经过无损编码后送至服务器端；服务器端接收所有激活用户发送来的索引值，解码后得到后进行聚合更新，得到更新后的全局模型，并下发至用户进行下一轮联邦学习的迭代。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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。