CN119646885A 一种基于模型分层优化的保隐私个性化联邦学习方法 （齐鲁工业大学(山东省科学院)）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119646885A

(43)申请公布日2025.03.18

(21)申请号202510173637.9

(22)申请日2025.02.18

(71)申请人齐鲁工业大学（山东省科学院）

地址250000山东省济南市长清区西部新

城大学科技园

申请人山东省计算中心（国家超级计算济南中心）

(72)发明人王鑫王腾飞杨明吴晓明

唐勇伟刘腾陈振娅刘臣胜贺云鹏穆超

(74)专利代理机构山东竹森智壤知识产权代理

有限公司37382

专利代理师吕利敏

(51)Int.Cl.

G06F21/62(2013.01)

G06N3/098(2023.01)

G06N3/0985(2023.01)

权利要求书2页说明书8页附图1页

(54)发明名称

一种基于模型分层优化的保隐私个性化联

邦学习方法

(57)摘要

CN119646885A本发明属于联邦学习的技术领域，更具体地，涉及一种基于模型分层优化的保隐私个性化联邦学习方法。所述方法包括每个客户端获取服务器端的全局模型，使用自端的训练数据集更新本地模型，然后对本地模型进行分层优化，确定每一个客户端待上传的部分模型参数；对每个客户端待上传的部分模型参数进行裁剪，并引入差分隐私噪声，然后发送至服务