一种基于深度学习的GPT模型安全访问方法

本发明涉及人工智能数据安全技术领域，公开一种基于深度学习的GPT模型安全访问方法，包括：步骤1、构建用户输入数据的隐空间流形，利用变分自编码器对用户输入数据进行处理，通过编码器将用户输入数据映射到隐空间表示，获得隐空间的概率分布，在隐空间概率分布中，将隐空间的先验分布设为高斯分布，且将隐空间表示作为用户输入数据流形的嵌入表示，以构造隐空间流形；步骤2、根据步骤1中构造的隐空间流形，定义目标保护分布流形。通过在用户输入数据的隐空间流形中引入目标保护分布，结合动态调整协方差矩阵的方式，实现对用户隐私的动态保护，得到能根据不同场景实时调整保护强度并有效降低隐私泄露风险的效果。