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！

龙图腾网获悉哈尔滨工业大学申请的专利基于主成分分析多偏置交互的纵向联邦学习优化方法、电子设备及存储介质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：CN116306914B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202310143694.3，技术领域涉及：G06N3/098；该发明授权基于主成分分析多偏置交互的纵向联邦学习优化方法、电子设备及存储介质是由于海宁;孙骁;余翔湛设计研发完成，并于2023-02-21向国家知识产权局提交的专利申请。

本基于主成分分析多偏置交互的纵向联邦学习优化方法、电子设备及存储介质在说明书摘要公布了：基于主成分分析多偏置交互的纵向联邦学习优化方法、电子设备及存储介质，属于隐私计算技术领域。为了在数据集容量较小的情况下提高纵向联邦神经网络模型的效率。本发明训练参与各方包括训练发起方、训练协助方，将训练发起方的数据、训练协助方的数据进行前向传播方法训练，得到前向传播方法的训练结果；将前向传播方法的训练结果进行反向传播方法训练，训练协助方和训练发起方分别进行模型参数的更新，完成一轮的训练；重复训练直至训练结果达到精度要求或者停止条件，完成基于多偏置交互的纵向联邦场景神经网络训练。本发明利用了主成分分析数据降维方法，使得特征的过滤功能得到多方数据信息的指导，结果更具说服力。

本发明授权基于主成分分析多偏置交互的纵向联邦学习优化方法、电子设备及存储介质在权利要求书中公布了：1.基于主成分分析多偏置交互的纵向联邦学习优化方法，其特征在于：包括如下步骤： S1、训练参与各方包括训练发起方、训练协助方； 设置训练发起方的数据特征为，表示训练发起方具有m维度的数据，y为标签属性，数据已完成对齐处理； 训练协助方的数据特征为，表示训练协助方具有n维度的数据，数据已完成对齐处理； 首先给出方案保护的数据目标以及方案的敌手设定，不可泄漏的数据包括训练模型过程当中的原始数据，即模型的输入数据集，记作X；参与者本地的bottommodel部分模型参数，记作W；明文的中间训练结果记作α；拟定敌手为一个好奇的参与方A，总是试图通过接收到的数据值获取其他参与方的数据信息，为了应对数据条目数量不足的应用场景，引入了针对中间数据结果使用PCA降维的方案； S2、将步骤S1的训练发起方的数据、训练协助方的数据进行前向传播方法训练，得到前向传播方法的训练结果； 步骤S2的具体实现方法包括如下步骤： S2.1、底层模型训练方法：包括训练参与各方分别计算底层模型的每一层的中间结果，将中间结果进行主成分分析数据降维，降维后的数据结果训练参与各方进行交互传递，训练参与各方根据交互数据更新底层模型的偏置量，然后训练参与各方分别训练更新偏置量的底层模型，得到底层模型输出结果，进入下一步； S2.2、交互层模型训练方法：训练参与各方根据步骤S2.1的底层模型输出结果在交互层模型基于同态加密和差分噪声进行交互传递，获得交互层模型的总体中间结果作为交互层模型激活函数的输入数据，交互层模型激活函数的输出结果，进入下一步； S2.3、顶层模型训练方法：训练发起方将交互层模型激活函数的输出结果作为顶层模型的输入，进行最终的分类模型训练得到前向传播方法的训练结果； S3、反向传播方法：将步骤S2得到的前向传播方法的训练结果进行反向传播方法训练，训练协助方和训练发起方分别进行模型参数的更新，完成一轮的训练； S4、重复步骤S2和S3，直至训练结果达到精度要求或者停止条件，完成基于多偏置交互的纵向联邦场景神经网络训练； 首先需要执行该算法的参与方根据对方算力、时间资源以及数据敏感程度，针对参与方信息当中的年龄与性别信息的保护优先级一定会低于银行账户、余额等数据信息，评估其能接受的猜测范围。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。