基于联邦学习与对抗训练的金融隐私安全对齐方法及系统

本发明公开了基于联邦学习与对抗训练的金融隐私安全对齐方法及系统，包括：多个金融机构客户端获取本地金融数据，进行语义解析及敏感度分级；构建联邦学习框架，采用Paillier同态加密本地模型梯度，上传至聚合服务器安全聚合，生成全局梯度更新参数；基于业务场景权重与数据敏感度，动态选择脱敏策略，对金融数据执行字段级脱敏处理；在本地模型训练中注入对抗样本，联合优化任务损失函数与对抗损失函数；将合规条款映射为技术规则，完成隐私保护与合规对齐。本发明强化数据隐私保护，有效降低数据泄露风险，确保金融数据隐私安全。保证数据安全传输与有效聚合，提升全局模型训练效率与安全性。注入对抗样本，保持高准确率与稳定性。