一种多模态时空相关性隐私保护的社区发现方法及装置

本申请提供了一种多模态时空相关性隐私保护的社区发现方法及装置，涉及数据安全领域，具体包括：基于避免模态松弛的多模态时空对比学习隐私保护方法，融合多模态时空特征嵌入，同时采用拉普拉斯‑高斯机制扰动多模态嵌入；基于多层次多模态用户关联增强方法，以获得模态内部和模态之间的多层时空相关性，增强了多社区用户交互特征；基于自适应衰减的梯度时空相关保护方法，保护模型梯度时空相关性并保证模型训练鲁棒性；基于图神经网络的时空社区发现，实现高可用性的多模态社区发现。通过本公开的方案，基于差分隐私性质，本发明的方法满足差分隐私，提高了多模态社区发现的安全性和有效性。