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！

龙图腾网恭喜南京邮电大学申请的专利基于大模型算力网络图像隐私保护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：CN119004517B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202411472715.7，技术领域涉及：G06F21/60；该发明授权基于大模型算力网络图像隐私保护的联邦学习方法及系统是由王博扬;徐小龙;张继东设计研发完成，并于2024-10-22向国家知识产权局提交的专利申请。

本基于大模型算力网络图像隐私保护的联邦学习方法及系统在说明书摘要公布了：本发明公开了一种基于大模型算力网络图像隐私保护的联邦学习方法及系统，获取图像算力网络的节点信息以及节点处理图像数据信息，根据节点信息以及节点处理图像数据信息将节点分为被动节点和主动节点，通过对被动节点的中间结果和全局模块梯度进行加密保护，阻止主动节点通过被动节点的中间结果和被动节点的全局模块梯度来推理被动节点的特征信息；通过对主动节点总输出的梯度进行加密保护，避免被动节点通过主动节点总输出的梯度来推理主动节点的标签。本发明能够解决因恶意被动节点通过全局模块或梯度来窃取主动节点的标签和主动节点通过被动节点的全局模块的输出来窃取被动节点特征的技术问题。

本发明授权基于大模型算力网络图像隐私保护的联邦学习方法及系统在权利要求书中公布了：1.一种基于大模型算力网络图像隐私保护的联邦学习方法，其特征在于：获取图像算力网络的节点信息以及节点处理图像数据信息，所述节点信息包括节点拥有的图像特征和标签信息；根据节点信息以及节点处理图像数据信息将节点分为被动节点和主动节点，通过对被动节点提取的紧凑图像特征和全局模块参数梯度进行加密保护，阻止主动节点通过被动节点的紧凑图像特征和被动节点的全局模块参数梯度来推理被动节点的特征信息；通过对主动节点的预测结果梯度进行加密保护，避免被动节点通过主动节点的预测结果梯度来推理主动节点的标签；包括以下步骤：步骤S1，获取图像算力网络的节点信息以及节点处理图像数据信息；步骤S2，根据节点信息以及节点处理图像数据信息将节点分为被动节点和主动节点，其中主动节点包括第一全局模块、第一特征提取模型以及第一损失函数；被动节点包括第二全局模块和第二特征提取模型；被动节点随机初始化第二特征提取模型、部分第二全局模块参数，主动节点初始化第一特征提取模型、第一全局模块以及被动节点的剩下的另一部分第二全局模块参数，记被动节点随机初始化的部分第二全局模块参数为第二全局模块参数二，主动节点初始化被动节点的剩下的另一部分第二全局模块参数为第二全局模块参数一；步骤S3，被动节点使用自己拥有的图像原始特征输入到第二特征提取模型中得到紧凑图像特征；被动节点用紧凑图像特征与加密后第二全局模块参数一计算得到同态加密部分预测结果，然后将同态加密部分预测结果转换为秘密共享预测结果；然后被动节点使用单掩码加密算法加密秘密共享预测结果得到加密秘密共享预测结果；被动节点将用于单掩码加密生成的伪随机数向量发送给可信第三方聚合；被动节点再使用紧凑图像特征与第二全局模块参数二计算得到部分预测结果，然后将部分预测结果与同态加密部分预测结果转换为秘密共享预测结果时生成的向量相加得到扰动的部分预测结果，然后，被动节点将加密秘密共享预测结果和扰动部分预测结果发送给主动节点；计算得到同态加密部分预测结果的方法： 其中，表示同态加密部分预测结果，表示主动节点，表示第个主动节点，，表示被动节点个数，表示紧凑图像特征，表示第二全局模块参数一，表示Paillier同态加密同态乘算法，表示主动节点公钥；步骤S3中得到加密秘密共享预测结果的方法为： 其中，为明文，为密文，为伪随机数生成器生成的向量，为模数，表示节点；步骤S4，主动节点使用原始图像特征输入到第一特征提取模型参数得到紧凑图像特征；主动节点使用紧凑图像特征与第一全局模块参数计算得到图像预测结果，然后使用HE2SS算法解密被动节点发送的加密秘密共享预测结果得到秘密共享预测结果；主动节点聚合图像预测结果、秘密共享预测结果、扰动部分预测结果和可信第三方发送的得到总预测结果，然后利用总预测结果计算损失；秘密共享预测结果为： 其中：表示秘密共享预测结果，表示HE2SS算法，表示被动节点发送的加密秘密共享预测结果；步骤S5，主动节点计算总预测结果相对于损失的梯度，然后将梯度加密后发送给所有被动节点；步骤S6，被动节点使用被加密的梯度与紧凑图像特征计算得到第二全局模块参数一的加密梯度，然后被动节点将加密梯度转换为秘密共享梯度并发送给主动节点；步骤S7，被动节点加密第二全局模块参数二得到加密第二全局模块参数二并将其发送给主动节点；主动节点使用第二全局模块参数一与加密第二全局模块参数二相加得到加密全局模块参数；主动节点使用总预测结果梯度和加密全局模块参数计算被动节点的加密紧凑图像特征梯度；主动节点将加密紧凑图像特征梯度发送给被动节点；步骤S8，主动节点使用HE2SS算法解密被动节点发送的秘密共享梯度同时使用紧凑图像特征与总预测结果梯度计算得到全局模块参数的梯度，随后主动节点使用总预测结果梯度与全局模块参数得到紧凑图像特征的梯度；步骤S9，被动节点使用步骤S8中调用HE2SS算法生成的向量更新第二全局模块参数二得到新的第二全局模块参数二；主动节点使用解密后的秘密共享梯度更新第二全局模块参数一得到新的第二全局模块参数一，同时主动节点使用全局模块参数梯度更新全局模块参数，然后主动节点使用紧凑图像特征梯度反向传播并更新第一特征提取模型参数，最后主动节点加密新的第二全局模块参数一得到加密后新的第二全局模块参数一，并将其发送给被动节点；被动节点使用紧凑图像特征梯度反向传播并更新第二特征提取模型参数；步骤S10，迭代上述步骤S3-S9直至每个节点的特征提取模型和全局模块收敛或达到最大训练轮次。

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南京邮电大学，其通讯地址为：210046 江苏省南京市栖霞区文苑路9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”。