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！

龙图腾网恭喜飞诺门阵(北京)科技有限公司申请的专利基于协同学习与动态加密的隐私数据分析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：CN119557909B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202510112140.6，技术领域涉及：G06F21/60；该发明授权基于协同学习与动态加密的隐私数据分析方法及系统是由沈寓实;郭哲滔;刘星妍;兰健设计研发完成，并于2025-01-24向国家知识产权局提交的专利申请。

本基于协同学习与动态加密的隐私数据分析方法及系统在说明书摘要公布了：本发明提供基于协同学习与动态加密的隐私数据分析方法及系统，涉及隐私技术领域，包括接收多个参与方的原始数据，每个参与方的原始数据均为初始加密状态；利用动态加密密钥对每个参与方的原始数据进行二次加密，得到二次加密数据；将所述二次加密数据输入至预设的协同学习模型中，利用同态加密下的安全计算协议，结合各参与方的动态加密密钥对所述协同学习模型进行解密，得到可供各参与方使用的隐私保护分析模型；在进行数据分析时，利用所述隐私保护分析模型对输入的待分析数据进行处理，并通过可验证计算技术确保分析过程的正确性；基于预定义的访问控制策略，仅向相应的参与方返回其有权访问的分析结果。

本发明授权基于协同学习与动态加密的隐私数据分析方法及系统在权利要求书中公布了：1.基于协同学习与动态加密的隐私数据分析方法，其特征在于，包括：接收多个参与方的原始数据，每个参与方的原始数据均为初始加密状态，所述初始加密状态采用同态加密算法实现；为每个参与方分配唯一的参与方标识符，所述参与方标识符包含时间戳和随机哈希值；基于所述参与方标识符生成对应的动态加密密钥，所述动态加密密钥采用量子密钥分发技术生成；利用所述动态加密密钥对每个参与方的原始数据进行二次加密，得到二次加密数据，所述二次加密采用分层加密策略，对数据的不同敏感级别采用不同强度的加密算法；将所述二次加密数据输入至预设的协同学习模型中，所述协同学习模型包括多个子模型，每个子模型对应一个参与方，所述子模型采用联邦学习架构；利用同态加密下的安全计算协议，结合各参与方的动态加密密钥对所述协同学习模型进行解密，得到可供各参与方使用的隐私保护分析模型；在进行数据分析时，利用所述隐私保护分析模型对输入的待分析数据进行处理，并通过可验证计算技术确保分析过程的正确性；基于预定义的访问控制策略，仅向相应的参与方返回其有权访问的分析结果，所述分析结果经过k-匿名化处理以进一步增强隐私保护；定期执行模型更新和再训练流程，以适应数据分布的动态变化；基于所述参与方标识符生成对应的动态加密密钥，所述动态加密密钥采用量子密钥分发技术生成包括：利用周期性极化铌酸锂晶体通过自发参量下转换过程产生纠缠光子对，所述周期性极化铌酸锂晶体的温度控制在163.5±0.1°C，所述纠缠光子对的波长为1550nm；将所述纠缠光子对中的一个光子发送给发送方，另一个光子发送给接收方，其中光子传输采用光损耗率不高于0.2dBkm的光子晶体光纤；在所述光子晶体光纤的传输路径上每隔50km设置一个量子中继器，所述量子中继器采用稀土掺杂YSO晶体作为量子存储介质，存储时间不低于1ms；发送方和接收方分别使用超导纳米线单光子探测器对接收到的光子进行量子态测量，所述超导纳米线单光子探测器在1550nm波长下的量子效率不低于93%，暗计数率不高于1Hz；基于量子态测量结果，通过后处理步骤生成量子密钥，所述后处理步骤包括基比对、参数估计、信息协调和隐私放大，其中信息协调采用码率自适应的低密度奇偶校验码，隐私放大采用大小可动态调整的隐私矩阵。

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飞诺门阵(北京)科技有限公司，其通讯地址为：100000 北京市海淀区中关村南大街乙12号天作国际中⼼A座29层；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”。