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！

龙图腾网恭喜北京大学深圳研究生院申请的专利数据处理方法和相关装置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：CN117371027B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202311231610.8，技术领域涉及：G06F21/62；该发明授权数据处理方法和相关装置是由黄虎;潘乐扬;林晖;王迎雪;张泽儒;周海源;苏品任;杨家文设计研发完成，并于2023-09-21向国家知识产权局提交的专利申请。

本数据处理方法和相关装置在说明书摘要公布了：本申请提供了一种数据处理方法和相关装置，所述方法应用于区块链网络，包括：获取至少两个终端发出的上链申请，任一上链申请包括：发送上链申请的终端基于本地数据对目标模型进行联邦学习训练得到的梯度数据；对上链申请进行校验；对通过校验的上链申请中的梯度数据进行梯度融合，得到目标模型的更新梯度；广播更新梯度，更新梯度被任一终端获取后用于更新本地的目标模型。采用该方案进行数据处理时，终端基于本地数据对目标模型进行联邦学习训练得到梯度数据，避免了传输原始数据存在的数据泄密风险，提高了多个终端进行协作时的安全性，由于采用了去中心化的区块链网络对数据进行处理、以及对上链申请进行校验，进一步提高了数据处理的安全性。

本发明授权数据处理方法和相关装置在权利要求书中公布了：1.一种数据处理方法，其特征在于，应用于包括多个区块链节点的区块链网络，所述方法包括：获取至少两个终端发出的上链申请，任一所述上链申请包括：发送所述上链申请的终端基于本地数据对目标模型进行联邦学习训练得到的梯度数据；使用IntelSGX可信执行环境中的可信时间戳技术，创建安全加密区，并在所述安全加密区内运行相应的代码，生成时间戳信息；其中，所述时间戳信息用于标识终端进行联邦学习训练所消耗的时长；基于所述时间戳信息是否真实确定所述上链申请是否为攻击性质的上链申请，从而排除所述上链申请中具有攻击性质的上链申请；确定目标区块链节点；根据预设加权聚合算法，由所述目标区块链节点对通过校验的所述上链申请中的梯度数据进行加权聚合，得到所述目标模型的更新梯度；广播所述更新梯度，所述更新梯度被任一所述终端获取后用于更新本地的所述目标模型；由所述目标区块链节点基于智能合约中的奖励机制确定对所述至少两个终端中的每个终端进行奖励的奖励信息，并广播所述奖励信息；所述奖励机制通过攻击检测模型、信誉模型、贡献模型以及奖励模型实现；其中，所述攻击检测模型的实现步骤包括：收集每轮所有终端上传的梯度数据{g1,g2,...,gn}；计算所有梯度数据的均值μ＝Σgi与均方差对每个终端i，计算其局部梯度gi与均值μ的距离distgi,μ；设置一个系数β，使用β*δ2来表示τ动态阈值，其中β的取值范围在[2,3]之间，当β取较小值时，检测更加严格和敏感；如果distgi,μτ,则记录节点i此轮梯度数据异常；对检测出的异常梯度数据,将其从参数聚合过程中排除，不加入到模型更新中；对上传异常数据的客户端通过信誉模型对其信誉值进行调整；所述信誉模型的实现步骤包括：为每个终端定义一个信誉值，表示主观评价其可信程度的度量，具体通过一个三元组b,d,u表示，其中，b表示终端的可信程度，d表示不可信程度,u表示不确定性；初始时,每个新加入的终端的信誉值设置为0.5,0.5,1，即不可信和可信程度相同，不确定性为1，三元组b,d,u取值分布在[0,1]；在每轮迭代后，通过所述目标区块链节点根据终端的表现调整所述信誉值；所述贡献模型的实现步骤包括：通过加权聚合算法聚合所有终端上传的梯度数据，得到本轮的更新梯度g，其中，g＝w1g1+w2g2+...+wn*gn，w1,w2,...,wn为每个终端的权重，g1,g2,...,gn为每个终端上传的梯度数据；权重系数wi＝α*ci+1-α*di，其中，ci＝piΣpi，di＝niΣni，ci表示终端的算力系数，Σpi是所有终端算力之和，di表示终端的数据集系数，Σni是所有终端数据集总数之和，α表示调节算力和数据集权重比例的参数，取值区间为[0,1]；对每个终端i,计算其局部梯度gi的贡献指数；计算gi与更新梯度g的余弦相似度：cos_simgi,g，余弦相似度值越大,表示两个向量方向越一致，终端i的梯度贡献越好；通过归一化处理，得到贡献指数Contributioni＝cos_simgi,gmaxcos_sim-mincos_sim，其中，maxcos_sim表示最大余弦相似度，mincos_sim表示最小余弦相似度；设置最低贡献阈值τ1，τ1取值范围在0到1之间，当Contributioni≥τ1时，终端i可获得奖励；若终端的梯度数据的质量均匀可适度提高τ1，从而使得客户端获得应有的奖励；所述奖励模型的实现步骤包括：统计每个终端i的计算次数Ci；终端的奖励公式计算为:Rewardi＝Weight_rewardi*Reputationi*Contributioni；其中，Weight_reward表示计算量规模，Weight_rewardi＝CiΣCi，Ci表示终端i的计算次数，ΣCi表示所有终端的计算次数的总和，Reputationi表示终端i的信誉值，Reputationi＝α*Reputationi-1+1-α*Reputation0，Contributioni表示终端i对模型的贡献指数，Contributioni＝cos_simgi,gmaxcos_sim-mincos_sim；当Reputationi0时进行扣除奖励的操作；将计算好的Rewardi记录在账本中，自动将数字代币转入客户端用户，作为每个客户端的奖励支出。

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北京大学深圳研究生院，其通讯地址为：518000 广东省深圳市南山区西丽街道深圳大学城北大园区H栋208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”。