一种基于联邦学习与动态语义掩码的智能脱敏方法

本发明属于信息安全技术领域，具体涉及一种基于联邦学习与动态语义掩码的智能脱敏方法及系统，通过CNN‑Transformer‑LSTM联合提取跨模态特征，利用联邦学习实现敏感等级评估，基于生成式预训练模型生成保留语义的脱敏掩码，并通过图注意力网络实现跨模态关联保护。系统解决了传统脱敏中语义信息丢失、跨模态关联泄露及动态适应不足的问题，实现多模态数据的语义保留脱敏、跨模态协同保护及动态策略优化，为金融、医疗等领域提供智能化隐私保护解决方案。