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！

龙图腾网获悉南通大学申请的专利面向高时空通量医学数据的隐私保护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：CN121167762B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202511001221.5，技术领域涉及：G06F21/62；该发明授权面向高时空通量医学数据的隐私保护联邦学习方法是由丁卫平;华启冲;陈红光;李岩栗;刘鸿升;耿胜;符凡;周天奕;王浩任设计研发完成，并于2025-07-21向国家知识产权局提交的专利申请。

本面向高时空通量医学数据的隐私保护联邦学习方法在说明书摘要公布了：本发明提供了一种面向高时空通量医学数据的隐私保护联邦学习方法，属于医学信息智能处理技术领域。技术方案为：包括以下步骤：S10、中央服务器向每个参与客户端广播当前全局模型，各客户端在本地进行模型的训练；S20、客户端对其模型参数更新添加高斯噪声；S30、在每轮训练中引导客户端对齐自身提取的本地特征与全局特征原型；S40、对重要性低的参数进行缩放处理。本发明的有益效果为：有效缓解医疗机构差分隐私噪声带来的模型性能下降问题，提升联邦学习在隐私保护条件下的临床预测准确性。

本发明授权面向高时空通量医学数据的隐私保护联邦学习方法在权利要求书中公布了：1.一种面向高时空通量医学数据的隐私保护联邦学习方法，其特征在于，包括以下步骤： S10：中央服务器向每个具有高时空通量医学数据的参与客户端广播当前全局模型，各客户端在本地数据集上进行深度模型的训练； S20：客户端对其模型参数的更新值进行裁剪，根据高斯机制向裁剪后的更新中注入符合零均值、固定方差的高斯噪声； S30：客户端在训练过程中，通过引入特征对齐损失项，将自身提取的特征与对应类别的全局特征原型进行对齐； 所述步骤S30包括以下步骤： S31：在每一轮学习中，FedFAF服务器将全局模型和全局特征在第0轮初始化为0，当接收到和时，客户端通过私有数据本地训练模型，并通过最小化以下目标函数生成最优模型： ； 其中，表示特征统计提取模块用于给定的数据； S32：引入一个基于该统计量的特征对齐项，以将每个客户端的特征与全局特征对齐，当前场景包含个类别，客户端将接收个全局特征，并将每个输入与同一类别的全局特征进行对齐，超参数用于控制对齐的强度，当本地训练完成后，每个客户端会上传其特征，全局特征通过对相同类别接收到的特征进行平均来更新，形式化表示如下： ； 其中； S40：引入Fisher信息矩阵对提取层中的各参数的重要性进行评估，衡量模型对特征的敏感程度，对模型参数进行缩放； 所述步骤S40包括以下步骤： S41：计算特征提取层的Fisher信息值，定义为： ； 其中表示全局训练轮次，表示与相对应的对数似然函数，Fisher信息矩阵用于量化差分隐私DP噪声的模型特征表示中所包含的信息量； S42：将计算得到的Fisher信息矩阵映射至有界范围，并刻画特征表示与参数之间的关系，该方法采用以下预处理步骤： ； S43：通过参数缩放机制，对于每一个参数，其Fisher信息值将与预设的阈值进行比较，决定其缩放比例，形式如下： ； 其中表示Hadamard乘积，为缩放因子； S44:在本地训练结束时，各机构将本地模型参数及类别特征上传至服务器，服务器对所有接收到的本地模型进行融合，生成更新后的全局模型，该全局模型将被再次广播至所有参与方，用以启动下一轮的训练过程，直到达到预设的最大轮数后输出各客户端训练准确率。

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通大学，其通讯地址为：226000 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院；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。