基于合成数据增强的车联网大模型数据差分隐私优化方法

本申请涉及车联网和强化学习技术领域，本申请提供一种基于合成数据增强的车联网大模型数据差分隐私优化方法，包括：S10：将高斯噪声引入车联网原始数据中生成扰动数据；S20：将车联网原始数据输入至扩散模型生成合成数据；S30：计算扰动数据和合成数据的混合比例r以及差分隐私影响补偿重放缓冲区大小s；S40：采样s*r条扰动数据，加入至差分隐私影响补偿重放缓冲区；S50：采样s*(1‑r)条合成数据，加入至差分隐私影响补偿重放缓冲区；S60：从差分隐私影响补偿重放缓冲区采样数据用于车联网大模型训练。本申请通过引入高斯噪声以及合成数据，优化车联网大模型的数据隐私保护效果，提供稳定的策略训练过程以及适配先进强化学习算法的泛化能力。