WO2025145413 - SYSTEMS, APPARATUSES, METHODS, AND NON-TRANSITORY COMPUTER-READABLE STORAGE DEVICES FOR ENHANCING AND DISTRIBUTING SYNTHETIC DATASET GENERATING MODELS

National phase entry is expected:
Publication Number WO/2025/145413
Publication Date 10.07.2025
International Application No. PCT/CN2024/070722
International Filing Date 05.01.2024
Title **
[English] SYSTEMS, APPARATUSES, METHODS, AND NON-TRANSITORY COMPUTER-READABLE STORAGE DEVICES FOR ENHANCING AND DISTRIBUTING SYNTHETIC DATASET GENERATING MODELS
[French] SYSTÈMES, APPAREILS, PROCÉDÉS ET DISPOSITIFS DE STOCKAGE NON TRANSITOIRES LISIBLES PAR ORDINATEUR POUR AMÉLIORER ET DISTRIBUER DES MODÈLES DE GÉNÉRATION DE JEUX DE DONNÉES SYNTHÉTIQUES
Applicants **
HUAWEI TECHNOLOGIES CO., LTD.
Inventors
BEITOLLAHI, Mahdi
CHEN, Xi
HEMATI, Sobhan
ZHANG, Guojun
LI, Xu
Application details
Total Number of Claims/PCT *
Number of Independent Claims *
Number of Priorities *
Number of Multi-Dependent Claims *
Number of Drawings *
Pages for Publication *
Number of Pages with Drawings *
Pages of Specification *
*
Number of Office Actions *
*
International Searching Authority
*
Recordal of a Change of the Applicant's Name/Address
*
Type of Assignment
*
Applicant's Legal Status
*
*
*
*
*
*
Entry into National Phase under
*
Patent Delivery
*
Translation

* The data is based on automatic recognition. Please verify and amend if necessary.

** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.

Quotation for National Phase entry

Country StagesTotal
China Filing, Examination, Granting1937
EPO Filing, Examination, Granting14708
Japan Filing, Examination, Granting2329
South Korea Filing, Examination, Granting2350
USA Filing, Examination, Granting4740
MasterCard Visa
Total: 26,064
Contact Us
Abstract[English] Methods, systems, and non-transitory computer-readable storage devices for enhancing data generation and model training in network infrastructures with improved privacy protection are provided. The method, performed at a network node, begins by receiving a first dataset generating model that has been trained on an authentic dataset while maintaining privacy. The node generates a first synthetic dataset that simulates the authentic dataset. This is then combined with an expansion dataset to create a comprehensive dataset that is used to train an updated model. The updated model can generate a synthetic dataset that simulates both the authentic dataset and the expansion dataset, thereby increasing the diversity and quality of the dataset for machine learning. The method significantly advance Al model training in network infrastructures with enhanced privacy.[French] Sont proposés des procédés, des systèmes et des dispositifs de stockage non transitoires lisibles par ordinateur pour améliorer la génération de données et l'entraînement de modèles dans des infrastructures de réseau avec une protection de confidentialité améliorée. Le procédé, mis en œuvre au niveau d'un nœud de réseau, commence par la réception d'un premier modèle de génération de jeux de données qui a été entraîné sur un jeu de données authentique tout en préservant la confidentialité. Le nœud génère un premier jeu de données synthétique qui simule le jeu de données authentique. Il est ensuite combiné à un jeu de données d'expansion pour créer un jeu de données complet utilisé pour entraîner un modèle mis à jour. Le modèle mis à jour peut générer un jeu de données synthétique qui simule à la fois le jeu de données authentique et le jeu de données d'expansion, augmentant ainsi la diversité et la qualité du jeu de données à des fins d'apprentissage automatique. Le procédé fait avancer significativement l'entraînement de modèles d'IA dans des infrastructures de réseau avec une confidentialité améliorée.

Rejoining the server...