一种泛在网络多模态隐私数据保护方法

本发明涉及隐私数据保护技术领域，且公开了一种泛在网络多模态隐私数据保护方法，该方法包括：客户端对脑电、眼电、肌电等多模态生理信号进行带通滤波、标准化及滑动窗口切片预处理；对所得时序数据窗口按预设频段提取并融合频带判别特征；在本地执行模型训练并计算参数更新差值，注入差分隐私噪声；基于Groth16协议生成非交互式零知识证明，并将含噪差值及证明上传至可信第三方；可信第三方验证通过后对差值进行混淆并转发至中央服务器；中央服务器按样本权重聚合更新全局模型并下发客户端。该方法实现了多模态信号端侧自适应融合与分布式隐私保护的高效协同，并通过非交互式证明机制保障参数交互的安全可信。