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！

龙图腾网获悉福建省星云大数据应用服务有限公司申请的专利一种隐私权重自适应的异构数据联邦协同训练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：CN120974543B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202511484044.0，技术领域涉及：G06F21/62；该发明授权一种隐私权重自适应的异构数据联邦协同训练方法及系统是由林卓然;刘晗之;郭建辉;古时彦;林健;张发泺设计研发完成，并于2025-10-17向国家知识产权局提交的专利申请。

本一种隐私权重自适应的异构数据联邦协同训练方法及系统在说明书摘要公布了：本发明提供了联邦学习与隐私计算技术领域的一种隐私权重自适应的异构数据联邦协同训练方法及系统，方法包括：步骤S1、各客户端基于隐私权重对本地数据集执行差分隐私操作得到脱敏数据集，通过异构数据编码模型对脱敏数据集编码；步骤S2、通过对比学习模型，对各编码向量语义对齐，得到对齐向量集；步骤S3、通过对齐向量集对本地模型进行训练，生成本地梯度，提取本地模型参数，将隐私权重、本地梯度、本地差异参数上传服务器；步骤S4、服务器基于本地差异参数、全局梯度对全局模型训练，提取全局模型参数下发给各客户端进行训练。本发明的优点在于：极大的提升了异构数据联邦协同训练的兼容性、灵活性以及效率。

本发明授权一种隐私权重自适应的异构数据联邦协同训练方法及系统在权利要求书中公布了：1.一种隐私权重自适应的异构数据联邦协同训练方法，其特征在于：包括如下步骤： 步骤S1、服务器初始化一全局模型，将所述全局模型协同部署至各客户端作为本地模型，创建并训练一异构数据编码模型协同部署至各客户端，并创建一知识图谱引导的对比学习模型； 步骤S2、各客户端基于数据敏感度、参与方信任评分以及数据分布差异，动态计算本地数据集中各数据的隐私权重；所述本地数据集包括结构化数据、半结构化数据或者非结构化数据； 步骤S3、各客户端基于所述隐私权重对本地数据集执行差分隐私操作，得到脱敏数据集，通过部署的所述异构数据编码模型，对所述脱敏数据集执行编码操作，得到初始结构化编码向量、初始半结构化编码向量或者初始非结构化编码向量； 步骤S4、各客户端通过服务器创建的所述对比学习模型，对所述初始结构化编码向量、初始半结构化编码向量或者初始非结构化编码向量执行协同语义对齐操作，得到对齐结构化编码向量、对齐半结构化编码向量或者对齐非结构化编码向量，并构建对齐向量集； 步骤S5、各客户端通过所述对齐向量集对本地模型进行训练，记录本地训练日志，生成所述本地模型的本地梯度，提取训练后的所述本地模型的本地模型参数，通过所述本地训练日志比对前后两个训练轮次提取的本地模型参数得到本地差异参数，将所述隐私权重、本地梯度以及本地差异参数压缩并加密为本地加密数据包，基于预设的弹性参与策略将所述本地加密数据包上传服务器； 步骤S6、服务器对接收的所述本地加密数据包进行解密和解压得到隐私权重、本地梯度以及本地差异参数，基于各所述隐私权重对各本地梯度进行全局聚合，得到全局梯度，基于接收的各所述本地差异参数以及全局梯度对全局模型进行协同训练，训练过程中通过预设的复合损失函数进行优化，提取训练后的所述全局模型的全局模型参数，将所述全局模型参数压缩并加密为在线加密数据包，将所述在线加密数据包下发给各客户端； 步骤S7、各客户端对接收的所述在线加密数据包进行解密和解压得到全局模型参数，基于所述全局模型参数对本地模型进行训练，直至满足预设的训练轮次或者早停条件。

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福建省星云大数据应用服务有限公司，其通讯地址为：350000 福建省福州市鼓楼区工业路洪山科技园科研楼5层505室；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。