基于词元级差分隐私和记忆塑造的隐私增强持续学习方法

本发明公开了一种基于词元级差分隐私和记忆塑造的隐私增强持续学习方法，其特点是该方法包括：词元级动态差分隐私模块和隐私引导记忆塑造模块，所述词元级动态差分隐私模块根据文本中不同词元的语义敏感度自适应分配隐私预算，并在嵌入层引入高斯噪声；所述隐私引导记忆塑造模块包括：记忆正则化和隐私感知遗忘：所述记忆正则化用于动态约束模型参数；所述隐私感知遗忘用于选择性削弱对高敏感信息的记忆。本发明与现有技术相比具有在保证隐私的同时维持更高的准确率和更低的遗忘率，实现了对敏感信息的遗忘与对通用知识的长期保持，有效缓解了持续学习中的灾难性遗忘，适用于推荐系统、医疗诊断和金融分析等隐私敏感应用场景。