一种面向生成式大语言模型拆分学习的数据重构攻击防御方法

本发明公开了一种面向生成式大语言模型拆分学习的数据重构攻击防御方法，方法包括：获取待进行数据重构攻击防御的大语言模型拆分学习系统和训练数据集；该系统包括部署于客户端的底部模型和顶部模型，以及部署于服务端的主干模型；构建敏感特征解耦模块并在前向传播阶段基于训练数据集对其进行更新，敏感特征解耦模块接收底部模型输出的中间表征，输出安全激活值至主干模型；在反向传播阶段，基于顶部模型的输出并利用交叉熵损失对顶部模型进行优化更新，以及采用协方差矩阵自适应进化策略对底部模型执行无梯度优化，获得训练好的大语言模型拆分学习系统。本发明降低了当前大语言模型拆分学习系统潜在遭受的数据重构攻击威胁。