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！

龙图腾网获悉山东科技大学申请的专利一种基于同态加密的分布式医疗数据隐私保护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：CN121585340B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202610115410.3，技术领域涉及：H04L9/00；该发明授权一种基于同态加密的分布式医疗数据隐私保护方法是由倪丽娜;李朝庆;张金泉;周阅微;李旭强;汤云灿设计研发完成，并于2026-01-28向国家知识产权局提交的专利申请。

本一种基于同态加密的分布式医疗数据隐私保护方法在说明书摘要公布了：本发明公开了一种基于同态加密的分布式医疗数据隐私保护方法，属于信息处理领域，包括如下步骤：步骤1、搭建联邦学习分布式框架并初始化CKKS同态加密环境；步骤2、进行数据集预处理和本地化划分；步骤3、采用基于同态加密的分布式密钥生成机制进行密钥生成；步骤4、客户端计算本地模型的梯度与参数演化动量机制的动量系数，进行同态加密处理；步骤5、聚合服务器基于质量‑数量自适应聚合策略进行密文聚合；步骤6、将更新后的加密全局模型下发至各个客户端并执行解密与本地更新；步骤7、重复执行步骤4‑步骤6，直至达到预设训练轮次或模型性能收敛。本发明在隐私保护和数据共享的矛盾的同时，提升模型的精度和实用性。

本发明授权一种基于同态加密的分布式医疗数据隐私保护方法在权利要求书中公布了：1.一种基于同态加密的分布式医疗数据隐私保护方法，其特征在于，包括如下步骤： 步骤1、搭建由多个客户端、一个聚合服务器和一个密钥管理中心组成的联邦学习分布式框架，并初始化CKKS同态加密环境； 步骤2、获取原始医学图像数据集，并选择一个对照数据集，然后进行预处理和本地化划分； 步骤3、采用基于同态加密的分布式密钥生成机制进行密钥生成，密钥管理中心生成私钥所需的参数并将其分发至各客户端，每个客户端随后随机生成属于自己的部分私钥，并将生成的私钥上传至密钥管理中心，密钥管理中心再生成公钥； 步骤4、客户端在本地使用数据进行若干轮模型训练，训练过程中计算本地模型的梯度-参数双动量演化机制的动量系数；接着，客户端利用CKKS同态加密公钥对模型参数进行同态加密，并将加密后的模型、数据数量及梯度信息上传至聚合服务器；具体过程为： 步骤4.1、初始化全局模型，并下发至各个客户端作为全局训练时的本地模型，定义损失函数进行本地训练，并计算本地模型的梯度；具体过程为： 步骤4.1.1、设置全局模型，定义全局训练第轮的全局模型为，并令，代表全局训练的轮次序号；接着，将全局模型下发到各个客户端作为全局训练时的本地模型，定义第个客户端全局训练第轮的本地模型为；当客户端接收到全局模型后，利用各自拥有的私有数据进行本地训练；在本地训练过程中，客户端采用一个损失函数来优化模型参数，损失函数的具体计算公式如下： ； 其中，是一个超参数；和为变量，表示模型参数的索引；是一个常数，表示模型参数的个数；、分别表示第个客户端本地训练第轮、第轮的本地模型；是补偿因子，用来动态修正客户端与全局模型之间的差异，矫正参数更新的方向；表示L2范数； 步骤4.1.2、训练完成后，计算本地模型的梯度： ； 其中，表示第个客户端在全局训练第轮本地模型的梯度；分别表示第个客户端在第轮、在第轮全局训练中本地迭代训练完成得到的模型；代表自然参数； 步骤4.2、定义动量系数，并结合本地模型的梯度对损失函数中的补偿因子进行更新，实现本地模型的调整与优化；具体过程为： 步骤4.2.1、基于两次模型梯度的余弦相似度来度量前后两轮模型间的差异： 其中，为相邻两轮训练过程中梯度向量之间的余弦相似度；分别为第个客户端在全局训练第轮、第轮本地模型的梯度；表示向量点积； 步骤4.2.2、利用余弦相似度来确定梯度-参数双动量演化动量机制的动量系数： ； 其中，和分别为缩放和平移系数； 步骤4.2.3、对进行约束： ； 其中，与分别为动量系数的下界与上界； 步骤4.2.4、基于对补偿因子进行更新： ； 其中，、分别表示第个客户端在第轮、第轮全局训练过程中的补偿因子；函数用于将张量中的每个元素限制在指定范围内；参数用于控制的更新幅度；为第个客户端在本地训练第轮本地模型的梯度；、分别为第个客户端全局训练第轮、第轮的本地模型； 步骤4.3、客户端使用密钥管理中心下发的全局公钥对全局模型参数进行加密，生成密文； 所述步骤4.3中，定义生成密文；计算过程为： ； 其中，、分别是密文的第一部分、第二部分；、分别为第一部分、第二部分公钥多项式；是随机多项式；是用于加密的噪声项；是扰动项；是待加密的明文消息； 步骤4.4、各个客户端在完成本地训练与加密后，将其加密的模型参数上传至聚合服务器；同时，客户端同步上传其对应的本地数据数量以及在训练过程中计算得到的梯度信息； 步骤5、聚合服务器接收到各个客户端的数据数量、梯度信息后，基于质量-数量自适应聚合策略进行聚合计算完成密文聚合，实现全局模型的密文更新； 步骤6、将更新后的加密全局模型下发至各个客户端并执行解密与本地更新优化； 步骤7、重复执行步骤4-步骤6的过程，直至达到预设训练轮次或模型性能收敛。

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山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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。