基于本地化差分隐私的大模型训练方法、介质及系统

本发明公开了一种基于本地化差分隐私的大模型训练方法、介质及系统，其中方法包括：用户终端设备获取历史数据，并对所述历史数据进行预处理；基于拉格朗日插值法和傅里叶级数法构造固定上下界的噪声分布函数；根据所述噪声分布函数对预处理后的历史数据进行扰动，以生成训练数据；所述用户终端设备将所述训练数据发送给服务器；所述服务器根据所述训练数据进行模型训练，以生成相应的大语言模型。能够有效提高本地化差分隐私机制获取到的数据的质量，进而提升基于该数据训练得到的模型的可用性。