一种用于边云协同推理的隐私保护图像特征压缩方法及系统

本发明公开了一种用于边云协同推理的隐私保护图像特征压缩方法及系统，基于新型隐私保护特征压缩框架，结合了注意力机制，并通过特征域集中的对抗协同训练策略引导中间特征的压缩。特征域聚焦的对抗协同训练策略引入了特征域的选择性聚合和特征扰动抑制，增强了数据在传输过程中的安全性和抗攻击能力，有效降低了数据隐私在云端诚实但好奇的服务器上被泄露的风险。为提升算法的泛化能力和适应性，本发明在多个图像数据集和不同深度学习模型上进行了系统评估。实验结果表明，本发明在中间特征传输效率、分析精度及隐私保护水平上均显著优于现有的特征压缩方法，为大规模深度学习模型在资源受限的边缘设备环境中的应用提供了有力的技术支撑。