一种利用隐藏状态过滤的防隐私攻击方法及装置

本说明书实施例公开了一种利用隐藏状态过滤的防隐私攻击方法及装置，包括：获取待处理请求；基于所述待处理请求，获取大语言模型的最终解码器的k个标记的向量tk的级联向量Tk；将所述级联向量Tk输入至预训练的轻量级分类器中，获得危害性得分，所述预训练的轻量级分类器为多层感知机，所述多层感知机包括：输入层、隐藏层和输出层，所述隐藏层包括：第一隐藏层、第二隐藏层和第三隐藏层；若所述危害性得分大于等于预设阈值，则所述大语言模型拒绝对所述待处理请求生成响应，若所述危害性得分小于所述预设阈值，则所述大语言模型响应所述待处理请求。