摘要
本发明涉及一种基于差分隐私和隐私实体识别替换的大模型隐私保护方法,属于人工智能领域。本发明的方法包括:差分隐私方案和隐私实体识别替换方案;差分隐私方案根据隐私数据所占比例和Fisher矩阵向梯度中添加噪声;隐私实体识别替换方案实现在隐私暴露到公开域之前的端侧隐私掩码,并对接收数据中涉及隐私掩码内容的部分进行端侧隐私解码还原。本发明能提供更强的隐私保护,保障用户的隐私安全,而且在提升模型收敛速度与性能的同时,能够根据用户的需求提供不同级别的隐私保护。
技术关键词
预训练模型
隐私保护方法
差分隐私
梯度下降算法
实体
数据复用方法
文本
训练识别模型
矩阵
样本
服务器
概率密度函数
关系
还原数据
噪声量
解码
超参数
系统为您推荐了相关专利信息
蜕变关系
蜕变测试方法
预训练模型
哈希算法
网络
智能图像识别
评价指标体系
场景
动态评价方法
元素