基于深度强化学习与差分隐私的数据保护方法及其系统

本申请适用于数据处理的技术领域，提供了一种基于深度强化学习与差分隐私的数据保护方法及其系统，其方法包括先获取训练数据集信息和待优化模型信息，然后基于差分隐私机制，生成优化数据集信息，最后基于优化数据集信息，有效地生成目标优化模型信息。本申请能够将差分隐私技术与深度强化学习相结合，在保护用户数据隐私的前提下保持模型的高性能；并且通过精细的隐私预算管理和噪声调整策略，自动地平衡隐私保护和模型性能之间的关系；还根据模型训练的实际情况，自适应地调整每个训练步骤的隐私预算分配，使隐私保护和模型性能之间达到最佳平衡，适用于各种需要保护用户隐私的深度强化学习应用场景，具有较强的前景。