基于GRL学习与自适应ADAGAN的生成式隐私数据保护方法及系统

本发明公开了一种基于GRL学习与自适应ADAGAN的双模块生成式隐私计算框架（GRL‑ADAGAN），涉及隐私计算和人工智能技术领域，解决了现有技术在数据资产交易中存在的噪声干扰大、计算效率低、特征保留不足的问题。该框架包括：离散数据处理模块，通过基于图的强化学习（GRL）对离散特征进行隐私保护和高保真模拟；连续数据生成模块，基于自适应ADAGAN生成统计特性一致的连续数据；协同优化机制，通过双向参数反馈实现动态协同，并采用离线生成‑在线应用策略降低开销；评估系统模块，通过多维度评分量化评估隐私保护效果。本发明适用于金融、医疗等领域的数据安全流通与价值挖掘。